Python数据分析----Numpy介绍与安装（一）

前言

使用jupyter进行编写

提示：以下是本篇文章正文内容，下面案例可供参考

一、Numpy的介绍

什么是numpy？

Numpy(Numerical Python)是目前Python数值计算中最为重要的基础包。大多数计算包都提供了基于Numpy的科学函数功能，将Numpy的数组对象作为数据交换的通用语。

numpy的特点

• 提供高效多维数组
• 提供了基于数组的便捷算术操作以及广播机制
• 对数据进行快速的矩阵计算
• 对硬盘中数组数据进行读写操作

numpy的安装

pip install numpy

二、Numpy的基本操作

Numpy数据类型

查看数组数据类型

● arr.dtype # 查看数组的数据类型

注意
● np.array()会自动推断生成数组的数据类型

指定数组的数据类型

● numpy.array(object,dtype=None)
○ 创建数组时通过dtype直接指定

import numpy as np
arr = np.array([1,2,3],dtype='f8')
arr
arr.dtype

● arr.astype(dtype) # 修改数组数据类型

import numpy as np
arr = np.array([1,2,3])
arr = arr.astype(np.float32)
arr.dtype

创建数组

一、通过列表创建数组

li = [1,2,3,4,5]
a1 = np.array(li)
print(a1)

二、通过元组创建列表

• 注意点一 数组里面的数据类型必须保持一致

a2 = np.array((1,2,3,2.3))
print(a2)

三、通过str创建数组

a3 = np.array('123')
print(a3)

四、直接生成数组

L = list(range(10))
a4 = np.array(L)
# 直接生成数组
a5 = np.arange(10)
a6 = np.arange(0,10,2)
print(a5,a6)

多维数组

n1 = [[1,2,3],[4,5,6]]
print(n1)
n2 = np.array(n1)
print(n2)
# nd表示多维 array表示的是数组
print(type(n2))

三维数组

n3 = np.array([[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]])
print(n3)

数组属性

• 1.ndim 查看维度

n3.ndim

• 2.shape 形状

n2.shape

• 3.数据行数

len(n2)

• 4.数据个数

n2.size

• 5.查看数据类型

n2.dtype

• 6.修改数组的维度

a9 = np.arange(12)
a9
# 一维-->二维
a10 = a9.reshape((2,6))
a10
# 一维-->三维
a10 = a9.reshape((2,2,3))
a10
# 一维-->四维
a10 = a9.reshape((3,2,1,2))
a10
# 四维-->一维度
a11 = a10.reshape((12,))
a11

数据操作

a1 = np.arange(10)
a1
a2 = a1.reshape(2,5)
a2

切片

a3 = np.arange(0,24).reshape((4,6))
a3

连续切片

a3[:2] # 取前两行的数据
a3[:2,:2] # 取前两行的前两列
a2[0:6:2]

布尔索引

# 将小于5的数改成1,会改变原数据
a3[a3<=5] = 1
a3

np.where(a2<5,1,0)## 将小于5的数改成1,不会改变原数据

# 批量修改
a2[0] = 10
a2

最后

以上就是英俊金毛最近收集整理的关于Python数据分析----Numpy介绍与安装Python数据分析----Numpy介绍与安装（一）前言一、Numpy的介绍二、Numpy的基本操作的全部内容，更多相关Python数据分析----Numpy介绍与安装Python数据分析----Numpy介绍与安装（一）前言一、Numpy内容请搜索靠谱客的其他文章。