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Devmax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Devmax！