numpy基础1

# 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！