标签:入门 NumPy 数据类型 小白 数组 print array Numpy
一:Numpy简介
NumPy,是Numerical Python的简称,它是目前python数值计算中最重要的基础包。大多数计算包都提供了基于Numpy的科学函数功能,将Numpy的数组作为数据交换的通用语言。但是NumPy本身并不提供建模和数学函数,理解NumPy的数组以及基于数组的计算将帮助你更高效的使用基于数组的工具,比如pandas。由于NumPy是一个很大的课题,我呢,也是一个数据分析的新手。所以这篇文章只是对Numpy基础知识做一个介绍、梳理和讲解。
二:生成ndarray
NumPy的核心特征之一就是N-维数组对象——ndarray。ndarray是Python中一个快速、灵活的大型数据集容器。数组允许你使用类似于标量的操作语法在整块数据上进行数据计算。ndarray对象我们在后面会接触非常多。
使用array函数生成数组
import numpy as np
data1=[6,7.5,8,0,1]
arr1=.array(data1)
print(arr1)
#输出结果为array([6.,7.5,8.,0.,1.])
嵌套序列,例如同等长度的列表,会自动转换成多维数
data2=[[1,2,3,4],[5,6,7,8]]
arr2=np.arrary(data2)
print(arr2)
#输出结果为array([1,2,3,4],
# [5,6,7,8])
接下来介绍两个属性shape和dtype
shape是表示数组的维度,几行几列
datype则是表示数组元素的数据类型
print(arr2.shape)
print(arr1.dtype)
print(arr2.dtype)
#输出结果为
(2,4)
dtype('float64')
dtypr('int64')
arange是python内建的range函数的数组版
arr3=np.arange(10)
print(arr3)
array([0,1,2,3,4,5,6,7,8,9])
函数名 | 描述 |
---|---|
array | 将输入数据转换为ndarray,不指名数据类型会自行推断,并默认复制所有输入的数据 |
asarray | 将输入转换为ndarray |
arange | python内建函数range的数组版 |
ones | 根据给定的形状和数据类型生成全1数组 |
zerors | 根据给定的形状和数据类型生成全0数组 |
empty | 根据给定的形生成一个没有初始化数值的空数组 |
类型 | 类型代码 | 描述 |
int8,uint8 | i1,u1 | 有符号和无符号的8位整数 |
int16,uint16 | i2,u2 | 有符号和无符号的16位整数 |
int32,uint32 | i4,u4 | 有符号和无符号的32位整数 |
int64,uint64 | i8,u8 | 有符号和无符号的64整数 |
float16 | f2 | 半精度浮点数 |
float32 | f4 | 标准半精度浮点数 |
float64 | f8 | 标准双精度浮点数 |
float128 | f16 | 拓展精度浮点数 |
complex64 | c8,c16,c32 | |
complex128 | ||
complex256 | ||
bool | ? | 布尔值 |
object | o | python object类型 |
string_ | s | 修正的ASC||字符串类型 |
你可以使用astype方法显性地转换数组的数据类型
arr=np.array([1,2,3,4,5])
dtype('int64')
float_arr=arr.astype(np.float64)
dative('float64')
标签:入门,NumPy,数据类型,小白,数组,print,array,Numpy 来源: https://blog.csdn.net/pinrudeyigui/article/details/118750853
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。