标签:书籍 numpy and type 交流 随机 尺寸 coding 算术
# coding: utf-8 # numpy ndarry:多维数组对象 import numpy as np # 生成随机数组 data = np.random.randn(2, 3) data # 给data加一系列数学操作 data * 10 data + data # 数组的dtype属性,用来描述数组的数据类型 data.shape data.dtype # 生成数组ndarray data1 = [6, 7.5, 8, 0, 1] arr1 = np.array(data1) arr1 data2 = [[1, 2, 3, 4], [5, 6, 7, 8]] arr2 = np.array(data2) arr2 # 通过ndim shape 检查数组属性 arr2.ndim arr2.shape arr1.dtype arr2.dtype # 其他生成函数的数组 np.zeros(10) np.zeros((3, 6)) np.empty((2, 3, 2)) np.arange(15) np.ones((2, 3)) # ndarry数据类型 import numpy as np arr1 = np.array([1, 2, 3], dtype = np.float64) arr2 = np.array([1, 2, 3], dtype=np.int32) arr1.dtype arr2.dtype # astype方法转换数组的数据类型 # 整型转换为浮点型 arr = np.array([1, 2, 3, 4, 5]) arr arr.dtype float_arr = arr.astype(np.float64) float_arr.dtype # 浮点型转换为整型 arr = np.array([1.2, 2.4, 0.3, -1.4, 15.6]) arr arr.astype(np.int32) # 字符串转换为数字 numeric_strings = np.array([‘1.25‘, ‘-9.6‘, ‘42‘], dtype=np.string_) numeric_strings.astype(float) #使用另一数组的dtype属性 int_array = np.arange(10) calibers = np.array([.22, .270, .357, .380, .44, .50], dtype=np.float64) int_array.astype(calibers.dtype) # 使用类型代码传入数据类型 empty_uint32 = np.empty(8, dtype=‘u4‘) empty_uint32 # numpy数组算术 arr = np.array([[1., 2., 3.], [4., 5., 6.]]) arr # 相乘 arr*arr # 相减 arr-arr # 带有标量计算的算术操作 1 / arr arr **0.5 # 同尺寸数组之间的比较 arr2 = np.array([[0., 4., 1.], [7., 2., 12.]]) arr2 arr2 >arr
参考书籍:利用 python 进行数据分析
作者:舟华520
出处:https://www.cnblogs.com/xfzh193/
本文以学习,分享,研究交流为主,欢迎转载,请标明作者出处!
标签:书籍 numpy and type 交流 随机 尺寸 coding 算术
原文地址:https://www.cnblogs.com/xfzh193/p/11221895.html