数据分析初体验1-numpy1

导入和初始化

import numpy as np
data = [1,2,3,4,5,3]
arr = np.array(data)

ones_like、zeros_like、empty_like,创建类似形状的nparray

ndarray9 = np.ones_like(ndarray5) 

详见numpy数组的创建link.

一些重要(或不重要)的属性

arr.itemsize # 查看arr每个元素的大小(所占空间)
arr.dtype # 查看arr中元素的数据格式
arr.shape # 查看arr的行列数(也可以是三维或多维)
arr.size # 查看arr的大小(行*列)

一些重要(或不重要)的方法

np.zeros(9) #创建内容均为0的数组
np.zeros((3*4)) #创建多维0数组
np.ones(9) #创建内容均为1的数组
np.empty((3,3)) # 创建不指定初始值的数组
np.eye(3# 创建一个N*N的方阵(单位矩阵),对角是1,其余是0
np.arange(5# 是range的数组版本

arange([start], stop, [step], dtype=None)

nparrange与range的区别 link…重要的区别是range步长不能是小数,而nparrange步长可以是小数。

# range(5)只会生成一个range object,需要加上list才能形成list
c = list(range(5))
c = [i for i in range(0,5)]

dtype指定及转换

类型指定

arr = np.array([1, 2, 3], dtype=np.float64)
arr = np.array([1,2,3],dtype = np.int32)

类型转换

arr = np.array([1,2,3])
arr_float = arr.astype(np.float64) #float 转 int 是取整数部分,而不是四舍五入
# 或者类似
t2 = t1.astype("bool")

其他内容:

  • python数据分析(1)-numpy产生随机数link.
  • linspace创建等差数列link.
  • 详解numpy的argmaxlink.
  • 计算Python Numpy向量之间的欧氏距离link.
  • Numpy.random.seed()的用法link.
  • numpy.maximum.accumulate的替代用法(高级)link.
arr = np.array([1,np.nan,3,1])
np.fmax.accumulate(arr)

结果为:array([1., 1., 3., 3.])

利用where函数,nan的地方继续nan,其他地方是accumulate(arr)

np.where(np.isnan(arr), np.nan, np.fmax.accumulate(arr))

结果为:array([ 1., nan, 3., 3.])

  • max和argmax的区别.

你可能感兴趣的:(数据分析,numpy,数据分析)