【numpy模块上}——数据分析01

介绍：

numpy就是一个便于科学计算的第三方库，常运用于数据分析和大量运算。比如矩阵等…

用处与特点：

• 提供了n维数组(ndarray)
• 数组由同质元素(相同的元素类型)构成，且元素数量(几行几列)是事先定好的。

构成：

1. 轴(axes):类似于x轴、y轴。如图就是两个轴，第0轴和第1轴(轴从0开始数)

2. 秩(rank，用ndim属性来获取)——：就是数组的维数，也是轴的数量(从1开始数)
3. 大小(size):数组中元素的个数
4. 形状(shape):就是数组有几行几列
5. 类型(dtype):数组中元素的类型
6. 元素大小(itemsize):数组中单个元素占用的字节数

对于多维数组的理解：用串糖葫芦来理解，二维数组的一个轴每穿过一个元素都是一维数组。
三维数组的一个轴每穿过一个元素都是二维数组。
那么四维数组的一个轴每闯过一个轴都是三维数组。同理类推...
在python的语法中，方括号中每一个元素是n维数组，它就是n+1维数组
1
2
3
4

导包：

一般都会对numpy库进行更名处理，便于之后使用

import numpy as np
1

创建数组：

语法：

"""
注意：括号里面还要用中括号，因为至少是一个一维数组。中括号里面每一个元素由n维数组构成，
它就是n+1维数组。别忘了最外层永远有一个中括号
"""
变量名 = np.array([])
1
2
3
4
5

演示：

arr = np.array([1,2,3])
arr1 = np.array([[1,2,3],[4,5,6]])#创建二维数组，每一个元素都是一维数组，所以它创建的就是二维数组
1
2

numpy常用方法：

常用属性查看：

arr = np.array([[1,2,3],[4,5,6]])
1

获取秩的大小：

通过数组的ndim属性来获取秩的大小

print(arr.ndim) #2
1

获取数组形状：

通过数组的shape属性来获取形状

print(arr.shape) #(2, 3)
1

获取元素个数：

通过数组的size属性来获取元素个数

print(arr.size) #6
1

获取元素类型：

通过dtype属性来获取元素类型

print(arr.dtype) #int32
1

获取占用字节数：

通过数组的itemsize属性来获取单个元素的占用字节数

print(arr.itemsize) #4
1

制定数据类型：

在括号里面添加dtype属性，注意等于的后面更改属性也要加上np.

arr1 = np.array([[6,7,8],[9,10,11]],dtype=np.int64) #指定类型
1

创建数组的常用方法：

arange():

可以类比于range()函数，不同的是arange()支持浮点数。第一个参数是起始值，第二个参数是终止值(不包括)，第三个参数是步长

实例演示：

import numpy as np
arr = np.arange(1,10,2)
arr1 = np.arange(10.0)
arr2 = np.arange(5)
print(arr)
print(arr1)
print(arr2)
1
2
3
4
5
6
7

linspace():

可以创建均分的数组，默认包含终止值，第三个参数不是步长而是最终分割成的个数，可以是浮点数

实例演示：

import numpy as np
#把从1到10的数据之间分割成n份
arr = np.linspace(1,10,3)#分成三份
arr2 = np.linspace(1,10,7)#分成七份
arr3 = np.linspace(1,10,20)#分成二十份
print(arr)
print(arr2)
print(arr3)
1
2
3
4
5
6
7
8

ones():

用来创建全是1的数组，括号里写的是数组的形状，默认支持浮点数

实例演示：

import numpy as np
arr = np.ones(5)
arr1 = np.ones((2,3))#别忘了数组的形状要用小括号包裹
print(arr)
print(arr1)
1
2
3
4
5

zeros():

用来创建全是0的数组，括号里写的是数组的形状，默认支持浮点数

实例演示：

import numpy as np
arr = np.zeros(5)
arr1 = np.zeros((2,3))#别忘了数组的形状要用小括号包裹
print(arr)
print(arr1)
1
2
3
4
5

full():

用来创建全是指定参数的数组，第一个参数写的是数组的形状，第二个参数写的是指定数默认支持浮点数

实例演示：

import numpy as np
arr = np.full((2,3),9)
arr1 = np.full((4,7),3.3)
print(arr)
print(arr1)
1
2
3
4
5

eye():

用来创建N行M列的单位数组，M省略时创建N行N列的单位数组(从第一列开始依次变1，其他都为0)

实例演示：

import numpy as np
arr = np.eye(3,3)
arr1 = np.eye(4,5)
print(arr)
print(arr1)

1
2
3
4
5
6

random.rand():

用来创建n维数组，元素为0-1之间的随机小数。里面的参数写的是数组的形状，有几个参数就是几维数组，不需要写括号

不写参数：

#随机生成0-1之间的小数
arr = np.random.rand()
print(arr)

1
2
3
4

二维：

import numpy as np
arr = np.random.rand(2,3)#第0轴元素数量为2，第1轴的元素数量为3.总共是二维
print(arr)

1
2
3
4

三维：

import numpy as np
arr = np.random.rand(2,3,3)#第0轴元素数量为2，第1轴的元素数量为3.第2轴的元素数量为3总共是三维
print(arr)

1
2
3
4

至于更多维度就以此类推

随机值范围为a-b:

import numpy as np
a = 5
b = 10
arr = a + (b-a) * np.random.rand(2,3) #随机数范围为5-10
print(arr)

1
2
3
4
5
6

numpy中支持的数值型的数据类型：

注意： int, float和complex_代表与平台相关的标准整数，浮点数和复数类型，这些类型在32位平台上和int32, float32, complex64一样，64位平台上和int64,float64,complex128一样。