NumPy基础操作(1)
NumPy基础操作(1)
(注:记得在文件开头导入import numpy as np)
目录:
- 数组的创建
- 强制类型转换与切片
- 布尔型索引
- 结语
数组的创建
- 相关函数
np.array(), np.zeros(), np.zeros_like(), np.ones(), np.ones_like(), np.empty(), np.asarray()
- 调用方法
data1 = [1.2, 23, 24, 1.8] arr1 = np.array(data1) print(arr1) print(arr1.ndim) #数组的维度 print(arr1.shape) #数组的形状 print((arr1.dtype)) #数组元素的数据类型#输出结果 out: [ 1.2 23. 24. 1.8] 1 (4,) float64
data2 = [[1, 2, 3, 4], [5, 6, 7, 9]] #如果要用array生成多维的数组必须要元素个数对称 arr2 = np.array(data2) arr2_like = np.zeros_like(arr2) #产生形状与arr2相同的全0数组 arr4 = np.ones((3,2)) arr7 = np.asarray(data2) #将输入转换为一个ndarray数组 print(arr2);print("************") print(arr2_like);print("************") print(arr4);print("************") print(arr7)#输出结果 out: [[1 2 3 4][5 6 7 9]] ************ [[0 0 0 0][0 0 0 0]] ************ [[1. 1.][1. 1.][1. 1.]] ************ [[1 2 3 4][5 6 7 9]]
强制类型转换与切片
- 相关函数
array.astype(), array[x:y] #array是一个已定义的数组 np.float64, np.int64, np.string_ #数组基础数据类型
- 强制类型转换
#在生成数据时就直接指定ndarray数组的类型 arr8 = np.array([1,1,7], dtype=np.float64) print(arr8.dtype) print("************")#通过ndarray的方法astype更改转换数组的类型,强制类型转换 arr9 = arr8.astype(np.int64) print(arr9.dtype) print("************") #Numpy的数据类型:np.object, np.string_, np.unicode_ numeric_strings = np.array(['1.23', '-9.6', '42'], dtype=np.string_) print(numeric_strings.astype(float).dtype) print("************")#输出结果 out: float64 ************ int64 ************ float64 ************
- 数组切片
#数组切片是原数组的视图,对切片的任何改变都会在原始数组数据上得到体现 #for example arr = np.arange(10) arr_slice = arr[5:8] arr_slice[1] = 12432 print(arr) #输出结果:[ 0 1 2 3 4 5 12432 7 8 9] arr_slice[:] = 187 print(arr) #输出结果:[ 0 1 2 3 4 187 187 187 8 9]#如果你是真的想要一份数组的复制版本,你需要明显的表达出来 arr_copy = arr[:].copy() arr_copy[:] = 1 print(arr) print(arr_copy) #输出结果:[ 0 1 2 3 4 187 187 187 8 9] # [1 1 1 1 1 1 1 1 1 1]#二维数组的访问 arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(arr2d[2]) print(arr2d[0,2]) #这两种索引效果是相同的 print(arr2d[0][2]) print(arr2d[:2, 1:]) #在切片中再切片 #输出结果:[7 8 9] # 3 # 3 # [[2 3] # [5 6]]
布尔型索引
- 布尔型索引
names = np.array(['Bob','Joe', 'Will', 'Bob', 'Will', 'Joe', 'Jason']) data = np.random.randn(7,4)print(names=='Bob') print(data[names == 'Bob', 2:]) #线索出为True的行组成新的数组,再进行数组切片 #输出结果 #[ True False False True False False False] #[[ 0.26361357 -0.98694019] # [ 0.34286995 0.0441788 ]] mask =(names=='Bob')|(names=='Will') #在布尔型数组中Python关键之and 以及or无效 print(mask) #输出结果 #[ True False True True True False False]#通过布尔性数组更改数组中的值 data[data < 0] = 0 #将数组中小于0的元素的值全部改为0
结语
第一次写博客排版和程序都有些粗糙,望见谅。(注:相关知识点从《用Python进行数据分析》搬运至此)
转载于:https://www.cnblogs.com/morvan/p/11132786.html
NumPy基础操作(1)相关推荐
- python之numpy基础_Python知识普及:Numpy基础操作
原标题:Python知识普及:Numpy基础操作 Numpy基础数据结构 创建数组 Numpy通用函数 import numpy as np # reshape 改变数组维度形状 ar1 = np.a ...
- python学习——numpy基础操作
numpy 基础操作 1 创建数组 2 数组常用属性和函数 3 数组元素增删 4 元素查找 5 数学运算 6 数组切片 1 创建数组 import numpy as np #以后numpy简写为np ...
- [笔记]NumPy基础操作
学机器学习做点小笔记,都是Python的NumPy库的基本小操作,图书馆借的书看到的,怕自己还了书后忘了,就记下来. 一般习惯导入numpy时使用 import numpy as np ,不要直接im ...
- [转载]numpy基础操作
为什么要用numpy Python中提供了list容器,可以当作数组使用.但列表中的元素可以是任何对象,因此列表中保存的是对象的指针,这样一来,为了保存一个简单的列表[1,2,3].就需要三个指针和三 ...
- 数据分析:numpy和pandas基础操作详解
数据处理基础 numpy基础 1.numpy创建数组及基础属性 2.数组的特点 3.创建常见数组 4.数组数据类型 5.生成随机数 6.一维数组索引 7.布尔索引 8. 多维数组的索引 9.实际问题 ...
- numpy -- 基础方法操作 array和asarray数据类型常用基础方法
numpy 基础知识 一.引入包 import numpy as np 二.基础方法 1. Array(数组) rank:数组的维数 a.ndim # 返回维度 a = np.array([1,2,3 ...
- 【Python】Numpy基础:数组和矢量运算
Numpy基础:数组和矢量运算 目录: 文章目录 一 Numpy及其重要性 二 ndarray:一种多维数组对象 1 创建ndarray 2 ndarray的数据类型 3 数组和标量之间的运算 4 基 ...
- Pandas CookBook -- 02DataFrame基础操作
Pandas基础操作 简书大神SeanCheney的译作,我作了些格式调整和文章目录结构的变化,更适合自己阅读,以后翻阅是更加方便自己查找吧 import pandas as pd import nu ...
- Python 数据分析与展示笔记1 -- Numpy 基础
Python 数据分析与展示笔记1 – NumPy 基础 Python 数据分析与展示系列笔记是笔者学习.实践Python 数据分析与展示的相关笔记 课程链接: Python 数据分析与展示 参考文档 ...
最新文章
- ***博客系统文章的数据库存储方式
- 第六周读书笔记《浪潮之巅》
- 导入os模块执行文件和目录管理操作
- QuerySyntax(查询语法)
- WinCE切换GPRS
- 刘强东:京东必定会击败阿里巴巴
- 手动选择显示_为什么考驾照的人多数选择C1而不是C2?老教练说出了真相....
- ZK在Eclipse下的环境搭建
- JavaScript 教程 (详细 全面)
- 安装金山词霸2007
- C# 使用RestSharp库实现POST请求
- RK系列SDK -- i2s mclk 无输出
- Java自动生成word文档,用心看这篇就够了【重点】
- linux 下kali linux 中使用hydra 进行对虚拟机中win10系统的密码破解
- Python爬虫——Scrapy Spiders
- 身高预测和体脂判断,选择结构练习,C语言
- c语言字符码,C语言字符转ASII码
- 软件测试缺陷指标,如何对缺陷进行分析,都分析哪些指标?
- Ansys2020R2的Fluent网格重排问题(reorder)
- mysql定时任务简单例子
热门文章
- MAC中用ImageMagick转换图像
- [零基础学JAVA]Java SE面向对象部分-17.面向对象高级(05)
- Spring boot傻瓜教程(一):官方加强版,避开坑
- 关于Dll、Com组件、托管dll和非托管dll的理解
- 构造AlertDialog弹出框,根据量值实现然用户选择列表。
- 图解算法之排序算法(4)——堆排序
- 实现点击打卡_打卡APP哪家强?快来看!这里有一款超好用的轻量级免费的习惯养成APP!...
- Python——生成一个大文件ips.txt,要求1200行 ,每行随机为172.25.254.0/24段的ip(京东二面笔试题)
- python:01字串
- 数据:1inch昨日锁仓量达到7.7607亿美元