标签：数据分析 ar1 ar2 函数 np shape 数组 print numpy
# 数组形状：T/.reshope()/.resize()
import numpy as np
ar1 = np.arange(5)
ar2 = np.ones((5,2))
print(ar1,'\n',ar1.T)
print(ar2,'\n',ar2.T)
# .T方法：转置，例如原shape为(3,4)/(2,3,4),转置结果为(4,3)/(4,3,2) -> 所以以为数据转置后结果不变
ar3 = ar1.reshape(1,5) # 用法：直接将已有数据改变形状
ar4 = np.zeros((4,6)).reshape(3,8) # 用法2：生成数组后直接改变形状
ar5 = np.reshape(np.arange(12),(3,4)) # 用法：参照内添加数组，目标形状
print(ar1,'\n',ar3)
print(ar4)
print(ar5)
print('----------')
# numpy.reshape(a, newshape, order='C'):为数组提供新形状，而不更改其数据，所以元素数量需要一致
ar6 = np.resize(np.arange(5),(3,4))
print(ar6)
# numpy.resize(a, new_shape):返回具有指定形状的新数据，如有必要可重复填充所需数量的元素
# 注意了：T/.reshape()/.resize() 都是生成新的数据
# 数组的复制 import numpy as np ar1 = np.arange(10) ar2 = ar1 print(ar2 is ar1) ar1[2] = 9 print(ar1,ar2) # 回忆python的赋值逻辑，指向内存中生成的一个值 -> 这里ar1和ar2指向同一个值，所以ar1改变，ar2一起改变 ar3 = ar1.copy() print(ar3 is ar1) ar1[3] = 1 print(ar1,ar3) # copy方法生成数组及其数据的完整拷贝 # .T/.reshape()/.reszie()都是生成新的数组
# 数组类型转换 .astype()
import numpy as np
ar1 = np.arange(10,dtype=float)
print(ar1,ar1.dtype)
print('----------')
# 可以再参数位置设置数组类型
ar2 = ar1.astype(np.int32)
print(ar2,ar2.dtype)
# 数组堆叠
import numpy as np
# a = np.arange(5) # a为一维数组，5个元素
# b = np.arange(5,9) # b 为一维数组，4个元素
# ar1 = np.hstack((a,b)) # ((a,b)): 这里的形状可以不一样
# print(a,a.shape)
# print(b,b.shape)
# print(ar1,ar1.shape)
# a = np.array([[1],[2],[3]]) # a 为二维数组，三行一列
# b = np.array([['a'],['b'],['c']]) # b 为二维数组，三行一列
# ar2 = np.hstack((a,b)) # ((a,b)) 这里形状必须要一致
# print(a,a.shape)
# print(b,b.shape)
# print(ar2,ar2.shape)
# print('---------')
# numpy.hstack(tup): 水平(按列顺序)堆叠数组
# a = np.arange(5)
# b = np.arange(5,10)
# ar1 = np.vstack((a,b))
# print(a,a.shape)
# print(b,b.shape)
# print(ar1,ar1.shape)
# a = np.array([[1],[2],[3]])
# b = np.array([['a'],['b'],['c']])
# ar2 = np.vstack((a,b))
# print(a,a.shape)
# print(b,b.shape)
# print(ar2,ar2.shape)
# print('---------')
# numpy.vstack(tup): 垂直(按列顺序)堆叠数组
a = np.arange(5)
b = np.arange(5,10)
ar1 = np.stack((a,b))
ar2 = np.stack((a,b),axis = 1)
print(a,a.shape)
print(b,b.shape)
print(ar1,ar1.shape)
print(ar2,ar2.shape)
# numpy.stack(arrays,sxis=0): 沿河新轴链接数组的序列，形状必须一样
# axis 参数的意思：：：假设两个数组[1 2 3 ] 和[4 5 6 ] ，shape均为(3,0)
# axis=0: [[1 2 3] [4 5 6]],shape为(2,3)
# axis=1: [[1 4] [2 5] [3 6]],shape为(3,2)
# 数据拆分 import numpy as np ar1 = np.arange(16).reshape(4,4) ar2 = np.hsplit(ar1,2) print(ar1) print(ar2,type(ar2)) # numpy.heplit(ary,indices_or_sections)：将数组水平(逐列)拆分为多个子数组 -> 按列拆分 # 输出结果为列表，列表中元素为数组 ar3 = np.vsplit(ar1,4) print(ar3,type(ar3)) # numpy.vsplit(ary,indices_or_sections): 将数组垂直（行方向）拆分为多个子数组 -> 按行拆
# 数组的简单运算 import numpy as np ar = np.arange(6).reshape(2,3) print(ar) print(ar + 10) # 加法 print(ar * 2) # 乘法 print(ar - 10) # 减法 print(1 / (ar+1)) # 除法 # 与标量的运算 print(ar.mean()) # 求平均值 print(ar.max()) # 求最大值 print(ar.min()) # 求最小值 print(ar.std()) # 求标准差 print(ar.var()) # 求方差 print(ar.sum(),np.sum(ar,axis = 0)) # 求和，np.sum() -> axis为0 按列求和 ； axis为1 按行求和 print(np.sort(np.array([1,4,3,2,5,6]))) # 排序
# 作业1：创建一个20个元素的数组，分别改变成两个形状：(4,5),(5,6)(超出范围用resize) ''' [[0 1 2 3 4 ] [5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19]] ----------- [[0 1 2 3 4 5] [6 7 8 9 10 11] [12 13 14 15 16 17] [18 19 0 1 2 3] [4 5 6 7 8 9 ]] ''' import numpy as np ar1 = np.reshape(np.arange(20),(4,5)) ar2 = np.resize(np.arange(20),(5,6)) print(ar1) print(ar2)
# 作业2：创建一个(4,4)的数组，把其元素类型改成字符型 ''' [['0' '1' '2' '3'] ['4' '5' '6' '7'] ['8' '9' '10' '11'] ['12' '13' '14' '15']] ''' import numpy as np ar1 = np.reshape(np.arange(16),(4,4)) ar2 = ar1.astype(np.str) print(ar2)
# 作业3：根据要求创建数组，运用数组的运算方法得到结果：result = ar *10+100,并求出result的均值及求和 # 创建数组为: ''' [[0 1 2 3] [4 5 6 7] [8 9 10 11] [12 13 14 15]] ---------- 计算后的数组为： [[100 110 120 130] [140 150 160 170] [180 190 200 210] [220 230 240 250]] ------------ result的均值为： 175.0 --------- result求和为： 2800 ----------- ''' import numpy as np ar1 = np.reshape(np.arange(16),(4,4)) ar2 = (ar1 * 10) + 100 print(ar1) print(ar2) print(ar2.mean()) print(ar2.sum())
标签：数据分析,ar1,ar2,函数,np,shape,数组,print,numpy 来源： https://www.cnblogs.com/Ningxuan/p/12490666.html
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。