前言

由于自己并不以Python語言為主，這里只是簡單介紹一下Numpy庫的使用

提示：以下是本篇文章正文內(nèi)容

🧡Numpy庫介紹

numpy 庫處理的最基礎(chǔ)數(shù)據(jù)類型是由同種元素構(gòu)成的多維數(shù)組（ndarray）， 簡稱" 數(shù)組”，數(shù)組中所有元素的類型必須相同， 數(shù)組中元素可以用整數(shù)索引， 序號從0開始。 ndarray類型的維度(dimensions)叫做軸(axes)， 軸的個數(shù)叫做秩(rank)。 一維數(shù)組的秩為1， 二維數(shù)組的秩為2， 二維數(shù)組 相當(dāng)于由兩個一維數(shù)組構(gòu)成

numpy 庫概述：
由于numpy 庫中函數(shù)較多且命名容易與常用命名混淆，建議采用如下方式引用numpy 庫：

import numpy as np

其中， as保留字與import一起使用能夠改變后續(xù)代碼中庫的命名空間， 有助于提高代碼可讀性。 簡單說， 在程序的后續(xù)部分中， np代替numpy。

💙ndarray 類常用屬性

創(chuàng)建一個簡單的數(shù)組后， 可以查看ndarray類型有一些基本屬性

1.ndarray.ndim
數(shù)組軸的個數(shù)，在python的世界中，軸的個數(shù)被稱作秩

2.ndarray.shape
數(shù)組的維度。這是一個指示數(shù)組在每個維度上大小的整數(shù)元組。例如一個n排m列的矩陣，它的shape屬性將是(2,3),這個元組的長度顯然是秩，即維度或者ndim屬性

3.ndarray.size
數(shù)組元素的總個數(shù)，等于shape屬性中元組元素的乘積。

4.ndarray.dtype
一個用來描述數(shù)組中元素類型的對象，可以通過創(chuàng)造或指定dtype使用標(biāo)準(zhǔn)Python類型。另外NumPy提供它自己的數(shù)據(jù)類型。

5.ndarray.itemsize
數(shù)組中每個元素的字節(jié)大小。例如，一個元素類型為float64的數(shù)組itemsiz屬性值為8(=64/8),又如，一個元素類型為complex32的數(shù)組item屬性為4(=32/8).

6.ndarray.data
包含實際數(shù)組元素的緩沖區(qū)，通常我們不需要使用這個屬性，因為我們總是通過索引來使用數(shù)組中的元素。

import numpy as np #引入numpy模塊
a = np.ones((4,5))
print(a)
print('數(shù)據(jù)軸個數(shù)： ',a.ndim)
print('每個維度的數(shù)據(jù)個數(shù)： ',a.shape)
print('數(shù)據(jù)類型',a.dtype)

# 結(jié)果
[[1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1.]]
數(shù)據(jù)軸個數(shù)：  2
每個維度的數(shù)據(jù)個數(shù)：  (4, 5)
數(shù)據(jù)類型 float64

小結(jié)：

💚Numpy常用函數(shù)

🍓array函數(shù)

函數(shù)原型：

np.array([x,y,x],dtype=int)  # 從列表和元組中創(chuàng)建數(shù)組

功能：array函數(shù)將列表轉(zhuǎn)矩陣

import numpy as np #引入numpy模塊
array=np.array([[1,2,3], #列表轉(zhuǎn)矩陣
[4,5,6]])
print(array)
print('number of dim',array.ndim) #輸出矩陣數(shù)據(jù)軸數(shù)
print('size',array.size) #輸出矩陣總元素個數(shù)

# 結(jié)果
[[1 2 3]
[4 5 6]]
number of dim 2
size 6

🥝arange()函數(shù)和linspace()函數(shù)

函數(shù)原型：

np.arange(x,y,i)   # 創(chuàng)建一個由x到y(tǒng),以i為步長的數(shù)組
np.linspace(x,y,n)  # 創(chuàng)建一個由x到y(tǒng)，等分為n個元素的數(shù)組

import numpy as np #引入numpy模塊
a=np.arange(1,12,2)# np.arange從1到12，間隔為2
print(a)
#從2到12，生成隨機6個數(shù)，并控制為2行3列
b=np.linspace(2,12,6).reshape(2,3)
print(b)

# 結(jié)果：
[ 1 3 5 7 9 11]
[[ 2. 4. 6.]
[ 8. 10. 12.]]

🍎zeros(),empty和ones()

功能：創(chuàng)建都是初始值相同元素（0，1）的數(shù)組
函數(shù)原型：

np.ones((m,n),dtype)  # 創(chuàng)建一個m行n列的全為1的數(shù)組
np.zeros((m,n),dtype)  # 創(chuàng)建一個m行n列的全為0的數(shù)組
np.empty((m,n),dtype)  # 創(chuàng)建一個m行n列的全為0的數(shù)組

import numpy as np #引入numpy模塊
a=np.zeros((5,8)) #元素都是0
b=np.ones((5,6)) #元素都是1
print(a)
print(b)

# 結(jié)果：
[[0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0.]]
[[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.]]

🍒ndarray 類的索引和切片方法

和列表的索引差不多的

import numpy as np #引入numpy模塊
a = np.random.rand(5,3)#生成隨機5行3列數(shù)組
print(a)
print('獲取第2行',a[2]) #獲取第2行
print('切片',a[1:3]) #切片， 1到3行，不包括3
print('切片',a[-5:-2:2]) #切片，從后向前，步長為2

# 結(jié)果
[[0.53469047 0.47559129 0.65865181]
[0.89942399 0.66683114 0.55181635]
[0.11989817 0.06055933 0.56880058]
[0.95744499 0.94814163 0.2155053 ]
[0.95179242 0.61544664 0.40876683]]
獲取第2行 [0.11989817 0.06055933 0.56880058]
切片 [[0.89942399 0.66683114 0.55181635]
[0.11989817 0.06055933 0.56880058]]
切片 [[0.53469047 0.47559129 0.65865181]
[0.11989817 0.06055933 0.56880058]]

🍇numpy 庫運算函數(shù)

總結(jié)

提示：這里對文章進行總結(jié)：

numpy 庫還包括三角運算函數(shù)、 傅里葉變換、 隨機和概率分布、 基本數(shù)值統(tǒng)計、 位運算、 矩陣運算等非常豐富的功能， 在使用時可以到官方網(wǎng)站查詢

python基礎(chǔ)查表

到此這篇關(guān)于Python數(shù)據(jù)分析之Numpy庫的使用詳解的文章就介紹到這了,更多相關(guān)Python 數(shù)據(jù)分析內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論