NumPy基础操作（1）
（注：记得在文件开头导入import numpy as np）
目录：
- 数组的创建
- 强制类型转换与切片
- 布尔型索引
- 结语
数组的创建
- 相关函数
np.array(), np.zeros(), np.zeros_like(), np.ones(), np.ones_like(), np.empty(), np.asarray()
- 调用方法
data1 = [1.2, 23, 24, 1.8]
arr1 = np.array(data1)
print(arr1)
print(arr1.ndim) #数组的维度
print(arr1.shape) #数组的形状
print((arr1.dtype)) #数组元素的数据类型 #输出结果
out:
[ 1.2 23. 24. 1.8]
1
(4,)
float64data2 = [[1, 2, 3, 4], [5, 6, 7, 9]] #如果要用array生成多维的数组必须要元素个数对称
arr2 = np.array(data2)
arr2_like = np.zeros_like(arr2) #产生形状与arr2相同的全0数组
arr4 = np.ones((3,2))
arr7 = np.asarray(data2) #将输入转换为一个ndarray数组
print(arr2);print("************")
print(arr2_like);print("************")
print(arr4);print("************")
print(arr7) #输出结果
out:
[[1 2 3 4]
[5 6 7 9]]
************
[[0 0 0 0]
[0 0 0 0]]
************
[[1. 1.]
[1. 1.]
[1. 1.]]
************
[[1 2 3 4]
[5 6 7 9]]
强制类型转换与切片
- 相关函数
array.astype(), array[x:y] #array是一个已定义的数组
np.float64, np.int64, np.string_ #数组基础数据类型 - 强制类型转换
#在生成数据时就直接指定ndarray数组的类型
arr8 = np.array([1,1,7], dtype=np.float64)
print(arr8.dtype)
print("************") #通过ndarray的方法astype更改转换数组的类型，强制类型转换
arr9 = arr8.astype(np.int64)
print(arr9.dtype)
print("************")
#Numpy的数据类型：np.object, np.string_, np.unicode_
numeric_strings = np.array(['1.23', '-9.6', ''], dtype=np.string_)
print(numeric_strings.astype(float).dtype)
print("************") #输出结果
out:
float64
************
int64
************
float64
************
- 数组切片
#数组切片是原数组的视图，对切片的任何改变都会在原始数组数据上得到体现
#for example
arr = np.arange(10)
arr_slice = arr[5:8]
arr_slice[1] = 12432
print(arr)
#输出结果：[ 0 1 2 3 4 5 12432 7 8 9]
arr_slice[:] = 187
print(arr)
#输出结果：[ 0 1 2 3 4 187 187 187 8 9] #如果你是真的想要一份数组的复制版本，你需要明显的表达出来
arr_copy = arr[:].copy()
arr_copy[:] = 1
print(arr)
print(arr_copy)
#输出结果：[ 0 1 2 3 4 187 187 187 8 9]
# [1 1 1 1 1 1 1 1 1 1] #二维数组的访问
arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr2d[2])
print(arr2d[0,2]) #这两种索引效果是相同的
print(arr2d[0][2])
print(arr2d[:2, 1:]) #在切片中再切片 #输出结果：[7 8 9]
#
#
# [[2 3]
# [5 6]]
布尔型索引
- 布尔型索引
names = np.array(['Bob','Joe', 'Will', 'Bob', 'Will', 'Joe', 'Jason'])
data = np.random.randn(7,4) print(names=='Bob')
print(data[names == 'Bob', 2:]) #线索出为True的行组成新的数组，再进行数组切片
#输出结果
#[ True False False True False False False]
#[[ 0.26361357 -0.98694019]
# [ 0.34286995 0.0441788 ]] mask =(names=='Bob')|(names=='Will') #在布尔型数组中Python关键之and 以及or无效
print(mask)
#输出结果
#[ True False True True True False False] #通过布尔性数组更改数组中的值
data[data < 0] = 0 #将数组中小于0的元素的值全部改为0
结语
第一次写博客排版和程序都有些粗糙，望见谅。（注：相关知识点从《用Python进行数据分析》搬运至此）