NumPy是Python的一个高性能科学计算和数据分析基础库,提供了功能强大的多维数组对象ndarray。
jupyter notebook快速执行代码的快捷键:鼠标点击选中要指定的代码框,Shift + Enter组合键直接执行代码框中的全部代码。 Alt + Enter组合键执行完代码框中的代码在代码框的下面再添加一个空代码框。
1、创建数组
#引入numpy,并重命名为np,方便使用
import numpy as np
1.1、使用numpy内置的array函数创建数组
#创建一维数组
arr1 = np.array([1,2,3])
print(arr1)
结果:[1 2 3]
#创建二维数组
arr2 = np.array([[1,2,3],[4,5,6]])
print(arr2)
结果:[[1 2 3] [4 5 6]]
1.2、使用arange函数创建数组
#使用arange函数创建包含0到9 十个数字的一维数组
#注意:arange函数返回的数组默认第一个元素是0,结束元素是指定的数值前一个数字9
arr_1 = np.arange(10)
print(arr_1)
结果:[0 1 2 3 4 5 6 7 8 9]
#通过arange函数设置“开始、结束、步长”三个参数创建包含1到10所有奇数的一维数组
#从1开始,到10前一位结束,步长为2表示相邻两个元素的差值是2
print(arr_2)
arr_2 = np.arange(1,10,2)
结果:[1 3 5 7 9]
1.3、全0、全1数组
#使用zeros函数创建一个包含10个全0数字的一维数组
z1 = np.zeros(10)
print(z1)
结果:[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
#创建3行4列的二维全0数组
z2 = np.zeros((3,4))
print(z2)
结果:[[ 0. 0. 0. 0.] [ 0. 0. 0. 0.] [ 0. 0. 0. 0.]]
#创建全1数组
o1 = np.ones(5)
print(o1)
结果:[ 1. 1. 1. 1. 1.]
#创建3行4列全1二维数组
o2 = np.ones((3,4))
print(o2)
结果:[[ 1. 1. 1. 1.] [ 1. 1. 1. 1.] [ 1. 1. 1. 1.]]
2、数组的属性方法
#查看数组o2各维度的大小
o2.shape
#运行结果是一个元组(3,4)表示第1维的大小是3(也是就是3行),第2维的大小是4(也就是4列)
结果:(3, 4)
#查看o2第1维的大小(行数)
o2.shape[0]
结果:3
#查看o2第2维的大小(列数)
o2.shape[1]
结果:4
#查看数组中元素类型
o2.dtype
结果:dtype(‘float64‘)
#类型转换函数astype,数组元素由float64类型转换成int32类型,并返回一个新的数组o2_1,原数组o2元素类型不变
o2_1 = o2.astype(np.int32)
#o2数组类型不变
o2.dtype
结果:dtype(‘float64‘)
#o2_1数组中元素类型为int32
o2_1.dtype
结果:dtype(‘int32‘)
#创建字符串类型数组
arr_string = np.array(["12.78","23.15","34.5"])
arr_string.dtype
结果:dtype(‘<U5‘)#dtype(‘<U5‘)表示字符串不超过5位
#将字符串数组转换成浮点类型数组
arr_float = arr_string.astype(np.float64)
print(arr_float)
结果:[ 12.78 23.15 34.5 ]
#float类型数组转换成整型数组,小数部分将会被截断
arr_int = arr_float.astype(np.int32)
print(arr_int)
结果:[12 23 34]
#numpy自动识别元素类型
np.array([1,2,3]).dtype
结果:dtype(‘int32‘)
原文地址:https://www.cnblogs.com/sl0309/p/10354345.html