初探Numpy
import numpy as np
data=np.random.randn(2,3) # 生成2行3列的多维数组
对data进行数学运算:
data*10 data+data
以上两个小运算中,可以看出,numpy在数据处理上的优势及其便捷性,且numpy的方法比oython方法要快10-100倍,占用内存也更小。
ndarray:是一个通用的多维同类数据容器,也就是说,它包含的每一个元素均为相同类型。
每一个数组都有一个shape属性,用来表征数组每一位度的数量;
每一个数组都有一个dtype属性,用来描述数组的数据类型:
列表list转ndarray
data1=[1,2,3,4,5,6]
arr1=np.array(data1) #arr1现在是一个一行一列的ndarray
data2=[[1,2,3,4],[7,8,9,6]]
arr2=np.array(data2)
np.zeros((2,3)) 创建 全0数组
np.ones((2,3)) 创建全1数组
np.empty((2,3)) 创建空数组
numpy的数据类型默认是float64浮点型,如需int32类型,需要指定
arr_int=np.array([1,2,3],dtype=np.int32)
arr_float=arr_int.astype(np.float64) 转换数据类型
#### np.where(arr>30) 筛选
np.shape() 行列
np.where() 筛选
np.size() 多少元素
np.dtype() 查看类型
np.nbytes() 查看几个字节
np.asarray(arr,dtype=np.float32)
x=y.copy() 深拷贝
np.num(arr,axis=0) 沿着纵轴求和
prod 求积
min max argmin argmax 最大值所处位置
mean 均值 std 标准差 var 方差
clip(x,y) 小于x的都变为x,大于y的都变为y
round(decimals=1) 四舍五入,保留一位小数
sort 排序 argsort 原位置