<利用Python进行数据分析> Note 2

标签：分析   二进制   nump   比较   一个   次方   标准   元素   title   

NumPy的数组中比较重要ndarray对象属性：

ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为二维数组（矩阵）。ndarray.itemsize：数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节），又如，一个元素类型为complex32的数组item属性为4（32/8）。
In Python float32: 标准的单精度浮点数， float64: 标准的双精度浮点数，与C的double兼容。

单精度类型（float）和双精度类型(double)：
float的范围为-2^128 ~ +2^128，即-3.4*1038～3.4*1038，二进制位数32位。
精度：有效数字6～7，2^23 = 8388608，一共7位，这意味着最多能有7位有效数字。

double的范围为-2^1024 ~ +2^1024，即-1.7*10308～1.7*10308，二进制位数64位。
精度：有效数字15～16，2^52 = 4503599627370496，一共16位，有效数字为15~16位

float：

8bits（指数位）2^7=128

23bits（尾数位）

double：

11bits（指数位）2^10=1024

52bits（尾数位）

np.arange() :

 dtype( 数据类型)：

astype() :

** 2个乘号就是乘方。比如2**4,结果就是2的4次方，结果是16

The usage of randn():

1,  In []: arr = randn(5, 3)

2, In []: arr = np.random.randn(5, 4)

<利用Python进行数据分析> Note 2

标签：分析   二进制   nump   比较   一个   次方   标准   元素   title   

原文地址：http://www.cnblogs.com/XinZhou-Annie/p/7110858.html