(一)初识NumPy库(数组的创建和变换)
在学习数据分析时,NumPy作为最基础的数据分析库,我们能够熟练的掌握它是学习数据分析的必要条件。接下来就让我们学习该库吧。
学习NumPy库的环境:
python:3.6.6
编辑器:pycharm
NumPy安装:在cmd命令下,直接使用pip语句,pip install NumPy即可!
NumPy是使用Python进行科学计算的基本软件包。它主要包含一下内容:
- 有一个强大的N维数组对象ndarray;
- 拥有复杂的广播功能函数;
- 整合C/C++和Fortran代码的工具;
- 线性代数、傅里叶变换、随机数生成等功能。
具体的内容可参考NumPy官网信息:点击官网
Python基础数据类型中是没有数组概念,NumPy库能够很好的满足了数组缺失,数组对象的优点有:
- 数组对象可以去掉元素间运算的循环,使一维向量更像单个数据;
- 设置专门的数组对象,经过优化,可以提升这类应用的运算速度;
- 数组对象采用相同的数据类型,有助于节省运算和存储空间。
一、ndarray的介绍
1、ndarray的构成:
ndarray有两部分构成,一是实际数据;二是描述这些数据的元数据(数据维度、数据类型等)。ndarray数组一般要求所有元素类型相同(同质),数组的下标从0开始。
其中轴(axis):保存数组的维度;秩(rank):轴的数量
2、ndarray对象的属性:
.ndim:秩,即轴的数量或维度的数量;
.shape:ndarray对象的尺度,对于矩阵,n行m列;
.size:ndarray对象元素的个数,相当于.shape的n*m的值;
.dtype:ndarray对象的元素类型;
.itemsize:ndarray对象中每个元素的大小,以字节为单位。
如下举例说明:
求数组a的平方和数组b的立方和:
import numpy as np def npSum():
a = np.array([0, 1, 2, 3, 4])
b = np.array([9, 8, 7, 6, 5])
c = a ** 2 + b ** 3
return c print(npSum())
[729 513 347 225 141]
如下是ndarray属性的练习:
import numpy as np
a = np.array([[0, 1, 2, 3, 4], [9, 8, 7, 6, 5]])
print(a)
print(a.ndim)
print(type(a))
print(a.shape)
print(a.size)
print(a.dtype)
print(a.itemsize) [[0 1 2 3 4]
[9 8 7 6 5]]
2
<class 'numpy.ndarray'>
(2, 5)
10
int32
4
3、ndarray数组的创建方法:
- 从python中的列表、元组等类型创建ndarray;
- 使用NumPy中函数创建ndarray数组,如arange,ones,zeros;
- 从字节流(raw bytes)中创建ndarray数组;
- 从文件中读取特定的格式创建ndarray数组。
如下举例说明:
①、从python中的列表、元组等类型创建ndarray数组:
import numpy as np
x = np.array([[1, 2], [9, 8], (0.1, 0.2)])
print(x)
print(x.shape)
print(x.size) [[1. 2. ]
[9. 8. ]
[0.1 0.2]]
(3, 2)
6
②、使用NumPy中函数创建ndarray数组:
np.arange(n) 类似range()函数,返回ndarray类型,元素从0到n-1;
np.ones(shape) 根据shape生成一个全1数组,shape是元组类型;
np.zeros(shape) 根据shape生成一个全0数组,shape是元组类型;
np.full(shape, val) 根据shape生成一个数组,每个元素值都是val;
np.eye(n) 创建一个正方的n*n单位矩阵,对角线为1,其余为0;
类似函数
np.ones_like(a) 根据数组a的形状生成一个全1数组
np.zeros_like(a) 根据数组a的形状生成一个全0数组
np.full_like(a,val) 根据数组a的形状生成一个数组,每个元素值都是val np.linspace() 根据起止数据等间距地填充数据,形成数组
np.concatenate() 将两个或多个数组合并成一个新的数组
import numpy as np print(np.arange(10))
print(np.ones((3, 6)))
print(np.zeros((3, 6), dtype=np.int32))
print(np.eye(5)) [0 1 2 3 4 5 6 7 8 9]
[[1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1.]]
[[0 0 0 0 0 0]
[0 0 0 0 0 0]
[0 0 0 0 0 0]]
[[1. 0. 0. 0. 0.]
[0. 1. 0. 0. 0.]
[0. 0. 1. 0. 0.]
[0. 0. 0. 1. 0.]
[0. 0. 0. 0. 1.]]
#不限制数据类型的时候生成的是浮点数
a = np.linspace(1, 10, 4)
print(a)
# endpoint 是指最后一个元素是否是生成的四个元素中的一个
b = np.linspace(1, 10, 4, endpoint=False)
print(b)
c = np.concatenate((a, b))
print(c) [ 1. 4. 7. 10.]
[1. 3.25 5.5 7.75]
[ 1. 4. 7. 10. 1. 3.25 5.5 7.75]
4、数组的变换
对于创建后的ndarray数组,可以对其进行维度变换和元素类型变换:
ndarray数组的维度变换
.reshape(shape) 不改变数组元素,返回一个shape形状的数组,原数组不变
.resize(shape) 与.reshape()功能一致,但修改原数组
.swapaxes(ax1, ax2) 将数组n个维度中的两个维度进行调换
.flatten() 对数组进行降维,返回折叠后的一维数组,原数组不变
a = np.ones((2, 3, 4), dtype=np.int32)
print(a)
print(a.reshape((3, 8)))
print(a.resize((3, 8)))
print(a)
print(a.flatten()) [[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]] [[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]]
[[1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1]]
None
[[1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1]]
[1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]
# astype()方法一定会创建新的数组(原始数组的一个拷贝),即使两个类型一致
a = np.ones((2, 3, 4), dtype=np.int)
print(a)
b = a.astype(np.float)
print(b) [[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]] [[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]]
[[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]] [[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]]
5、ndarray数组向列表的转换
import numpy as np a = np.full((2, 3, 4), 25, dtype=np.int32)
print(a)
print(a.tolist()) [[[25 25 25 25]
[25 25 25 25]
[25 25 25 25]] [[25 25 25 25]
[25 25 25 25]
[25 25 25 25]]]
[[[25, 25, 25, 25], [25, 25, 25, 25], [25, 25, 25, 25]], [[25, 25, 25, 25], [25, 25, 25, 25], [25, 25, 25, 25]]]
(一)初识NumPy库(数组的创建和变换)的更多相关文章
- (二)初识NumPy库(数组的操作和运算)
本章主要介绍的是ndarray数组的操作和运算! 一. ndarray数组的操作: 操作是指对数组的索引和切片.索引是指获取数组中特定位置元素的过程:切片是指获取数组中元素子集的过程. 1.一维数组的 ...
- 初识NumPy库-基本操作
ndarray(N-dimensional array)对象是整个numpy库的基础. 它有以下特点: 同质:数组元素的类型和大小相同 定量:数组元素数量是确定的 一.创建简单的数组: np.arra ...
- 初识numpy库
numpy是一个在Python中做科学计算的基础库,重在数值计算,也是大部分Python科学计算库的基础库,多用于在大型.多维数组上执行数值运算 numpy创建数组(矩阵): numpy中的数据类型: ...
- 初识Java——一维数组的创建及使用
数组作为对象是允许使用new关键字进行内存分配的,在使用数组前,必须首先定义数组的变量所属的类型.一维数组的创建有两种方法: 1,先声明,再用new运算符进行内存分配 数组元素类型+数组名字[] 数组 ...
- $python数据分析基础——初识numpy库
numpy库是python的一个著名的科学计算库,本文是一个quickstart. 引入:计算BMI BMI = 体重(kg)/身高(m)^2 假如有如下几组体重和身高数据,让求每组数据的BMI值: ...
- 3.2Python数据处理篇之Numpy系列(二)--- ndarray数组的创建与变换
目录 (一)ndarray数组的创建 1.从列表以元组中创建: 2.使用函数创建: (二)ndarray数组的变换 1.维度的变换: 2.类型的变换: 目录: 1.ndarray数组的创建 2.nda ...
- ndarray 数组的创建和变换
ndarray数组的创建方法 1.从python中的列表,元组等类型创建ndarray数组 x = np.array(list/tuple) x = np.array(list/tuple,dtype ...
- Python 学习笔记之 Numpy 库——数组基础
1. 初识数组 import numpy as np a = np.arange(15) a = a.reshape(3, 5) print(a.ndim, a.shape, a.dtype, a.s ...
- numpy库数组拼接np.concatenate的用法
concatenate功能:数组拼接 函数定义:numpy.concatenate((a1, a2, ...), axis=0, out=None)
随机推荐
- IIS+PHP上传文件大小限制和上传时间限制,iis7和iis8上传文件大小限制和上传时间限制
先说IIS这边的配置 一:点击站点“管理”下的“配置编辑器”. 二:设 ...
- 【java基础】Thread类之join方法
- luogu P1358 扑克牌
题目描述 组合数学是数学的重要组成部分,是一门研究离散对象的科学,它主要研究满足一定条件的组态(也称组合模型)的存在.计数以及构造等方面的问题.组合数学的主要内容有组合计数.组合设计.组合矩阵.组合优 ...
- git避免每次输入密码
生成公匙 在仓库所在目录输入 ssh-keygen -t rsa -C "yourname@sina.com" 其中yourname@sina.com是注册邮箱.可以在%HOME% ...
- Java多态之动态绑定
目录 Java多态之动态绑定 引用变量的类型 编译时类型 运行时类型 方法绑定 静态绑定 动态绑定 方法表 Java多态之动态绑定 上篇回顾:多态是面向对象程序设计非常重要的特性,它让程序拥有 更好的 ...
- Beego在views中格式化显示时间(int64转string)
最近在使用beego开发系统的过程中,遇到时间转换问题,需求如下: 通过以下函数获取Unix时间戳,后台数据库格式为int64: time.Now().Unix() 效果图: 从数据库获取数据,直接以 ...
- MySQL 表记录查询小练习
表记录查询小练习 查看岗位是teacher的员工姓名.年龄 查看岗位是teacher且年龄大于26岁的员工姓名.年龄 查看岗位是teacher且薪资在12000-16000范围内的员工姓名.年龄.薪资 ...
- 01 | 可见性、原子性和有序性问题:并发编程Bug的源头
由于CPU.内存.I/O 设备的速度差异,为了合理利用 CPU 的高性能,平衡这三者的速度差异,计算机体系机构.操作系统.编译程序都做出以下处理: 1. CPU 增加了缓存,以均衡与内存的速度差异: ...
- harbor部署常见的错误
总结部署harbor过程所遇到的一些坑 1:在使用docker push镜像的时候提示:denied: requested access to the resource is denied,用户和 ...
- vs code:sync setting 插件
sync setting 是同步设置插件 第一步:A机器上下载插件 第二步:通过git生成 token user(个人中心) --> Settings --> Developer sett ...