Python数据分析（1）-NumPy数组操作

type

status

date

slug

summary

1. ndarray数组对象

1.1 数组的属性

数组属性反应了数组本身具有的固定信息：

ndim：返回int，表示数组的维数

shape：返回tuple，表示数组的尺寸，对于n行m列的数组，返回值是（n，m）

size：返回int，表示数组的元素个数，等于数组的 n*m 的值

dtype：返回 data_type，表示数组的元素类型

itemsize：返回int，表示数组的每个元素的大小

测试如下：

1.2 数组的创建

numpy数组创建的三种方法：

利用python的原生数据类型：数组和元组进行转换为numpy的数组

numpy的库中的原生数组的创建：zeros ones arange等

特殊库函数创建：random

1.2.1 数组元组的转换

创建数组和元组，然后转化为ndarray

array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)

object：接受的array，表示想要创建的数组原对象

dtype：数组元素的数据类型

ndmin：表示生成数组的默认维数

修改数组的属性：

1.2.2 Numpy的原生数组的创建

arange函数

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

start：起始值（可选值，默认为0）

stop：终止值（必选值）

step：步长（可选值，默认为1）

linspace函数生成等差数列

linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0):

start：起始值

stop：终止值

num：生成的元素数量

endpoint：stop处的元素是否显示

retstep：是否显示步长

dtype：数据类型

axis：轴向，0表示X轴

logspace函数

logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)

start：起始值

stop：终止值

num：生成的元素的数量

endpoint：是否包含终点元素

base：底数，默认为 10.0

dtype：数据类型

asix：轴向

1.2.3 特殊数组的创建

zeros：创建全0数组，ones创建全1数组

zeros(shape, dtype=float, order='C', *, like=None)

shape：是一个tuple元组，表示要生成的新数组的行与列

dtype：数据类型

order：创建多维数组时，行优先还是有列优先

eye：创建单位数组

对角线的元素为1，其他元素都是0

eye(N, M=None, k=0, dtype=float, order='C', *, like=None)

N，M：表示新生成数组的行与列，不是元组，这点与zeros不同，zeros的第一个参数为一个元素 ()

k：对角线的位置，如果k=0，则操作对角线为主对角线；如果k<0，则是较低的对角线；如果k>0，则是较高的对角线

diag：创建对角的数组

diag(v, k=0)

v：为一个一维数组时，一维数组的元素当作生成的这个二维数组的对角线元素值，其他元素都是零；为一个二维数组时，则生成这个二维数组的对角线元素

k：对角线的位置

1.2.4 random创建数组

random函数：生成随机浮点数

random(size=None)

size：表示尺寸，可以是一个随机数，或者一个随机元素列表

rand：生成均匀分布的随机数

rand(*dn)

dn：表示从 d1 d2 d3 .... dn，表示数组的维数，生成 di 维的正态分布的随机数数组

注意与random 的区别，random接受的是一个n*m维的元组或者列表，rand接受的是n个参数，表示n维

randint：生成指定范围的随机数

randint(low, high=None, size=None, dtype=None)

low：表示最底范围

high：表示终止范围

size：表示数组的shape，注意不是元素个数

dtype：数据类型

1.2 访问数组

一维数组的访问：

二维数组的访问：

1.3 改变数组的形状

1.3.1 reshape

reshape改变数组的形状，就是改变数组的维度

reshape(self, shape, order='C')

shape：改变的数组的新的尺寸

这两种方式是等价的，加不加元组类型都是一样的。

注意：reshape不会改变原始数据的形状

1.3.2 resize

resize修改数组的形状：

resize(self, new_shape, refcheck=True)

new_shape表示一个新的形状，可以为n个ins或者一个表示形状的元组

注意：resize 没有返回值，并且resize 的改变会改变原来的数组的尺寸形状

NumPy还提供有重名的函数：np.resize，这个版本可以返回一个改变后的数组

1.3.3 flatten

数组的展平工作：将多维数组转变为一维数组

1.3.4 合并

hstack可以横向合并数组

接受一个元组，元组中包含需要合并的数组：

注意：需要合并的两个数组的尺寸必须是一样的

vstack可以纵向合并数组

concatenate此函数也可以实现合并数组：并且还可以自己指定是横向还是纵向：

1.3.5 分割

np.split 实现了横向或者纵向分割数组：

注意：split是等量分割，第二个参数指明了等量分割的数量

np.array_split 实现了不等量分割

1. ndarray数组对象

1.1 数组的属性

1.2 数组的创建

1.2.1 数组元组的转换

1.2.2 Numpy的原生数组的创建

1.2.3 特殊数组的创建

1.2.4 random创建数组

1.2 访问数组

1.3 改变数组的形状

1.3.1 reshape

1.3.2 resize

1.3.3 flatten

1.3.4 合并

1.3.5 分割

Yuleo

交流频道

加入我们的社群讨论分享