数据分析相关学习 -1 numpy

前情提要:

　　数据分析:把一些看似杂乱无章的数据背后的信息提炼出来,总结出所研究

对象的内在规律

　　数据分析的三剑客: numpy,pandas,matplotlb

　　numpy是python语言的一个扩展程序库,支持大量的维度数组与矩阵的运算

　,此外,也针对数组的运算,提供了大量的数学函数库

一: 创建ndarray

导包

import numpy as np

1: 创建数组 np.array()

　　1=>1: 创建一个一维数组

np.array([1,2,3,4,5])


输出:
array([1, 2, 3, 4, 5])

　　1=>2:创建一个二维数组

in:
np.array([[1,2,3],[4,'a',6],[6,7,8]])

out:
array([['1', '2', '3'],
       ['4', 'a', '6'],
       ['6', '7', '8']], dtype='<U11')

　　　　　注意: numpy的默认的ndarray的所有数据元素的类型是相同的.

　　　　　　　　如果传进ladies列表中包含不同的类型,则统一为统一类型

　　　　　　优先级:

　　　　　　　　str>float>int

　　　2:使用np的routines函数创建

　　　　包含以下常见创建方法:

　　　　　　2=>1:

　　　　　　np.ones(shape,dtype=None,order='c') 创建纯一的数组

in:
np.ones(shape=(3,3))
out:

Out[9]:
array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

　　　　　　2=>2:

　　　　　　np.zeros(shape,dtpye=None,order='c') 创建一个纯0的数组

in:
np.zeros(shape=(3,3))

out
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])

　　　　　2=>3:

　　　　　　np.full(shape,fill_value,dtype=None,order='c') 创建一个所有数字都一样的列表

in:
np.full(shape=(3,3),fill_value=100)
out:
array([[100, 100, 100],
       [100, 100, 100],
       [100, 100, 100]])

　　　2=>4:

　　　　　　np.lispace(start,stop,num=50,endpoint=True. retstep=False, dtype=None)

　　　　　　等差数列

np.linspace(1,100,num=20)

Out[19]:

array([  1.        ,   6.21052632,  11.42105263,  16.63157895,
        21.84210526,  27.05263158,  32.26315789,  37.47368421,
        42.68421053,  47.89473684,  53.10526316,  58.31578947,
        63.52631579,  68.73684211,  73.94736842,  79.15789474,
        84.36842105,  89.57894737,  94.78947368, 100.        ])

数据分析相关学习 -1 numpy

猜你喜欢