Python数据分析——Numpy1 数组创建

numpy 提供了一个名为 ndarray 的多维数组对象，该数组元素具有固定大小 ，即 numpy 只能存放同一种数据类型的对象，因此能够确定存储数组所需空间的大小，能够运用向量化运算来处理整个数组，具有较高的运算效率。

NumPy提供了两种基本的对象:
ndarray (N-dimensional array object)和ufunc(universal function object)
ndarray是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。

---

1.基于List创建ndarray

np.array(lst1, dtype='int32' ) # dtype=int

import numpy as np # 导入numpy库，取别名为np
lst1 = [1,2,3,4,5,6] # 定义一个列表
a1=np.array(lst1) # 创建一维数组
print('a1=',a1) # 打印一维数组
lst2 = [[1,2,3],[4,5,6]] # 定义一个嵌套列表
a2 = np.array(lst2) # 创建二维数组
print('a2=\n',a2) # 打印二维数组

2.基于元组创建

import numpy as np # 导入numpy库，取别名为np
a=(1,2,3)
print(np.array(a))

[1 2 3]

3.基于迭代器创建

print(np.array(range(5)))

[0 1 2 3 4]

---

若想将数组元素转换数据类型，可以使用astype()函数。
. astype方法会创建一个新的数组，并不会改变原有数组的数据类型。

·将浮点数转换为整数时元素的小数部分被截断，而不是四舍五入。
·数值型的字符串可以通过astype方法将其转换为数值类型，但如果字符串中有非数值型字符进行转换就会报错。

 

---

通过函数创建特殊数组

1.ones(shape, dtype=float, order='C') 创建全一数组

a = np.ones(4)
print('a=\n', a)

a=
 [1. 1. 1. 1.]

2.创建全0数组 zeros(shape，dtype=float，order = 'C')

a = np.zeros((3,5))
print('a=\n', a)

a=
 [[0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]]

3.创建对角为1的矩阵