【数据分析】NumPy

文章目录

• • @[toc]
  • • ndarray的创建
    • • np.array()方法
      • np.arange()方法
      • np.zeros()方法
      • np.ones()方法
      • np.full()方法
      • np.eye()方法
      • np.random模块
      • • np.random.random()方法
        • np.random.randint()方法
        • np.random.choice()方法
        • np.random.shuffle()方法
    • ndarray的属性
    • • ndarray.dtype
      • ndarray.ndim
      • ndarray.shape
      • ndarray.size
      • ndarray.itemsize
    • 修改ndarray的维度
    • • ndarray.reshape()方法
      • ndarray.resize()方法
      • ndarray.flatten()方法
    • ndarray与数的运算
    • ndarray与ndarray的运算
    • ndarray索引与切片
    • • ndarray索引
      • ndarray切片
    • ndarray的转置
    • • ndarray.T
      • ndarray.transpose()方法
    • 布尔索引

个人主页：丷从心·

系列专栏：数据分析

学习指南：Python学习指南

---

ndarray的创建

np.array()方法

import numpy as np

arr = np.array([1, 2, 3])

print(arr)
print(type(arr))

[1 2 3]
<class 'numpy.ndarray'>

np.arange()方法

import numpy as np

arr = np.arange(6)

print(arr)

[0 1 2 3 4 5]

np.zeros()方法

import numpy as np

arr = np.zeros((2, 2))

print(arr)

[[0. 0.]
 [0. 0.]]

np.ones()方法

import numpy as np

arr = np.ones((2, 2))

print(arr)

[[1. 1.]
 [1. 1.]]

np.full()方法

import numpy as np

arr = np.full((2, 2), 2)

print(arr)

[[2 2]
 [2 2]]

np.eye()方法

import numpy as np

arr = np.eye(3)

print(arr)

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

np.random模块

np.random.random()方法

import numpy as np

arr = np.random.random((2, 2))

print(arr)

[[0.32149432 0.01896196]
 [0.62318947 0.24221268]]

np.random.randint()方法

import numpy as np

arr = np.random.randint(0, 10, size=(2, 2))

print(arr)

[[6 7]
 [2 3]]

np.random.choice()方法

• choice()方法用于从数组或列表中随机采样

import numpy as np

arr = np.arange(6)

print(np.random.choice(arr, size=(2, 3)))

[[2 1 0]
 [0 2 5]]

np.random.shuffle()方法

• shuffle()方法用于将数组随机打乱

import numpy as np

arr = np.arange(6)
np.random.shuffle(arr)

print(arr)

[1 0 5 4 3 2]

---

ndarray的属性

ndarray.dtype

• ndarray.dtype表示数组元素的类型

import numpy as np

arr = np.random.random((2, 2))

print(arr.dtype)

float64

ndarray.ndim

• ndarray.ndim表示数组的维度

import numpy as np

arr = np.random.random((2, 2))

print(arr.ndim)

2

ndarray.shape

• ndarray.shape表示数组的各轴长度

import numpy as np

arr = np.random.random((2, 2))

print(arr.shape)

(2, 2)

ndarray.size

• ndarray.size表示数组的元素总数量

import numpy as np

arr = np.random.random((2, 2))

print(arr.size)

4

ndarray.itemsize

• ndarray.itemsize表示数组每个元素占的字节数

import numpy as np

arr = np.random.random((2, 2))

print(arr.itemsize)

8

---

修改ndarray的维度

ndarray.reshape()方法

• reshape()方法不会修改数组本身，只返回修改后的结果

import numpy as np

arr_1 = np.arange(6)

arr_1.reshape((2, 3))
print(arr_1)

arr_2 = arr_1.reshape((2, 3))
print(arr_2)

[0 1 2 3 4 5]
[[0 1 2]
 [3 4 5]]

ndarray.resize()方法

• resize()方法修改数组本身，没有返回值

import numpy as np

arr = np.arange(6)
arr.resize((2, 3))

print(arr)

[[0 1 2]
 [3 4 5]]

ndarray.flatten()方法

• flatten()方法用于将多维数组转变为一维数组

import numpy as np

arr = np.arange(6)
arr.resize((2, 3))

print(arr.flatten())

[0 1 2 3 4 5]

---

ndarray与数的运算

import numpy as np

arr = np.random.random((3, 4))
arr *= 10

print(arr.round(2))

[[6.61 5.87 3.59 9.65]
 [9.91 5.98 2.7  5.72]
 [2.76 3.68 2.4  2.79]]

• round()方法用于修改保留小数的位数

---

ndarray与ndarray的运算

import numpy as np

arr_1 = np.array([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])

arr_2 = np.array([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])

print(arr_1 * arr_2)

[[ 1  4  9]
 [16 25 36]
 [49 64 81]]

import numpy as np

arr_1 = np.random.randint(0, 10, size=(3, 4))  # 3 行 4 列
arr_2 = np.random.randint(0, 10, size=(3, 1))  # 3 行 1 列

arr_3 = arr_1 - arr_2

print(arr_1)
print(arr_2)
print(arr_3)

[[9 5 1 6]
 [4 4 9 5]
 [9 0 7 3]]
[[3]
 [7]
 [8]]
[[ 6  2 -2  3]
 [-3 -3  2 -2]
 [ 1 -8 -1 -5]]

import numpy as np

arr_1 = np.random.randint(0, 10, size=(3, 4))  # 3 行 4 列
arr_2 = np.random.randint(0, 10, size=(1, 4))  # 1 行 4 列

arr_3 = arr_1 - arr_2

print(arr_1)
print(arr_2)
print(arr_3)

[[0 1 1 8]
 [3 3 6 3]
 [4 9 8 6]]
[[3 5 9 0]]
[[-3 -4 -8  8]
 [ 0 -2 -3  3]
 [ 1  4 -1  6]]

---

ndarray索引与切片

ndarray索引

import numpy as np

arr = np.array([[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]])

print(arr[0])  # 打印第 0 行的元素
print(arr[0, 0])  # 打印第 0 行第 0 列的元素

[1 2 3]
1

ndarray切片

import numpy as np

arr = np.array([[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]])

print(arr[:2])  # 打印第 0 ~ 1 行的元素
print(arr[:2, :2])  # 打印第 0 ~ 1 行的第 0 ~ 1 列的元素

[[1 2 3]
 [4 5 6]]
[[1 2]
 [4 5]]

---

ndarray的转置

ndarray.T

• ndarray.T不会修改数组本身，只返回转置后的结果

import numpy as np

arr = np.arange(6).reshape((2, 3))

print(arr)
print(arr.T)

[[0 1 2]
 [3 4 5]]
[[0 3]
 [1 4]
 [2 5]]

ndarray.transpose()方法

• transpose()方法修改数组本身，并返回转置后的结果

import numpy as np

arr = np.arange(6).reshape((2, 3))

print(arr)
print(arr.transpose())

[[0 1 2]
 [3 4 5]]
[[0 3]
 [1 4]
 [2 5]]

---

布尔索引

• 布尔索引是指将一个布尔数组作为数组索引，返回的数据是布尔数组中Ture对应位置的值

import numpy as np

arr_1 = np.arange(0, 12).reshape((3, 4))
arr_2 = (arr_1 < 3) | (arr_1 > 8)

print(arr_1)
print(arr_2)

print(arr_1[arr_2])

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[ True  True  True False]
 [False False False False]
 [False  True  True  True]]
[ 0  1  2  9 10 11]

---