【Python数据分析 - 5】:Numpy-数组的基本操作

文章目录

  • 数组的创建
        • 案例一:数组创建示例
        • 案例二:数组的修改
        • 案例三:创建固定范围的数组
        • 案例四:生成随机数
        • 案例五:创建随机数组
  • 正态分布
        • 案例一:生成随机正太分布
        • 案例二:创建标准正态分布
        • 案例三:随机生成500支股票2年的交易日涨跌幅数据
          • reshape:没有改变原来的形状,修改数据时数据量要匹配
          • resize:修改原来的形状
          • astype:修改类型
          • np.round:修改小数的位数
          • T:数组转换(转置)
        • 案例四:tostring() - 数值转换

数组的创建


案例一:数组创建示例

【Python数据分析 - 5】:Numpy-数组的基本操作_第1张图片

案例二:数组的修改

array:创建一个新的数组,修改原来数组中的数据时,不会修改新数组中的数据。
asarray:引用原来的数组。

【Python数据分析 - 5】:Numpy-数组的基本操作_第2张图片
【Python数据分析 - 5】:Numpy-数组的基本操作_第3张图片

案例三:创建固定范围的数组

【Python数据分析 - 5】:Numpy-数组的基本操作_第4张图片

案例四:生成随机数

【Python数据分析 - 5】:Numpy-数组的基本操作_第5张图片

案例五:创建随机数组

【Python数据分析 - 5】:Numpy-数组的基本操作_第6张图片

正态分布


案例一:生成随机正太分布

【Python数据分析 - 5】:Numpy-数组的基本操作_第7张图片

案例二:创建标准正态分布

【Python数据分析 - 5】:Numpy-数组的基本操作_第8张图片

案例三:随机生成500支股票2年的交易日涨跌幅数据

【Python数据分析 - 5】:Numpy-数组的基本操作_第9张图片

reshape:没有改变原来的形状,修改数据时数据量要匹配

【Python数据分析 - 5】:Numpy-数组的基本操作_第10张图片

resize:修改原来的形状

【Python数据分析 - 5】:Numpy-数组的基本操作_第11张图片

astype:修改类型

【Python数据分析 - 5】:Numpy-数组的基本操作_第12张图片

np.round:修改小数的位数

【Python数据分析 - 5】:Numpy-数组的基本操作_第13张图片

T:数组转换(转置)

T:把行列进行互换,相当于reshape,不能修改原来的形状

【Python数据分析 - 5】:Numpy-数组的基本操作_第14张图片

案例四:tostring() - 数值转换

tostring:将数值转换成bytes,比如数值想要保存在文件中,不能直接保存数值的类型。
当数据太多,jupyter会进行数组的输出限制。

【Python数据分析 - 5】:Numpy-数组的基本操作_第15张图片

你可能感兴趣的:(数据分析,数据分析,python,numpy)