Python数据分析 Numpy 的使用方法

简介

使用 Python 进行数据分析时，比较常用的库有 Numpy、Pandas、Matplotlib，本篇文章就来说一下 Numpy 的使用方法，编辑器就使用上篇文章说过的 Jupyter。

Numpy 是一个Python扩展库，专门做科学计算，也是大部分 Python 科学计算库的基础，Numpy 提供了多维数组对象 ndarray，它是一系列同类型数据的集合，可以进行索引、切片、迭代等操作。

我们可以使用以下命令进行安装：

pip install numpy
# 或者
conda install numpy

多维数组创建

在Numpy中使用array()方法创建数组，传入列表或元组即可，例如：

创建一维数组，并指定数据类型为 int：

import numpy as np
np.array([1,2,3,4], dtype=int)  # 接收一个list作为参数

创建二维数组：

np.array([[1,2,3],[4,5,6]])

结果输出为：

array([[1, 2, 3],
       [4, 5, 6]])

使用arange()函数创建连续的array，类似于 Python 中的range()函数：

np.arange(10)

使用 Numpy 的random模块创建随机数组:

# 创建2行3列取值范围为[0,1)的随机数组 
np.random.rand(2, 3)
# 创建2行3列的随机整数数组，取值范围为[5,20)
np.random.randint(5,20,size=(2,3))

其他方法：

np.ones()函数：创建一个元素值全为1的数组，接收一个list或tuple作为参数，如np.ones([2, 3])可以创建一个2行3列的数组。 np.zeros()函数：创建一个元素值全为0的数组，接收一个list或者tuple作为参数，使用同上。 np.full()函数：创建一个填充指定数值的数组，第一个参数是list或tuple，第2个参数是需要填充的数值，如np.full((2, 3), 5)可以创建一个2行3列的数组，所有元素都填充为5。

当然，还有一些其他的方法创建指定格式 Numpy 数组，用处不多，就不一一介绍了。

数组的数据类型

Numpy 支持非常多的数据类型，可以通过 Numpy 数组对象的dtype属性查看数组的数据类型：

a = np.array([[1,2,3],[4,5,6]])
a.dtype

数组维度

可以通过对象的ndim或shape属性，来查看数据维度：

• ndim属性：直接返回维度值。
• shape属性：返回一个元组，元组的长度即代表数组的维度，元组每一个属性代表对应的维度的元素个数。

a = np.array([[1,2,3],[4,5,6]])
a.ndim
a.shape

到此这篇关于Python数据分析 Numpy 的使用方法的文章就介绍到这了,更多相关Numpy 的使用内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！