【Python数据分析】数据分析之numpy基础_np.zeros() dtype=np.int-优快云博客

本文链接：https://blog.youkuaiyun.com/Saki_Python/article/details/132577799

本文介绍了在Python3环境下使用numpy进行数据分析的基础操作，包括数组定义、构造、索引、切片、聚合运算等，并强调numpy在复杂业务处理中与Pandas结合的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

实验环境：建立在Python3的基础之上

numpy提供了一种数据类型，提供了数据分析的运算基础，安装方式

pip install numpy

导入numpy到python项目

import numpy as np

本文以案例的方式展示numpy的基本语法，没有介绍语法的细枝末节，笔者认为通过查阅案例就能掌握基本用法。

numpy数组的基本概念

numpy默认所有元素具有相同的数据类型，如果类型不一致，会对其进行优化。如果元素类型不同，将统一成一种类型，优先级：str>float>int

import numpy as np``   ``t_list = [1, 1.2, "hello"]``print(t_list)``   ``t_list = np.array([1, 1.2, "hello"])``print(t_list)``   ``t_list = np.array([1, 1.2])``print(t_list)

定义数组的时候，可以声明数据类型

t_list = np.array([1,2,3])``print(t_list)``   ``t_list = np.array([1,2,3], dtype=np.float32)``print(t_list)

numpy构造数组

1、np.ones(shape, dtype)

shape=(m,n)  m行n列``shape=(m)    m个元素的一维数组``shape=(m,)   m个元素的一维数组``shape=(m,1)  m行1列的二维数组  [[1],[2],[3]]``shape=(1,m)  1列m行的二维数组  [[1,2,3]]

t_list = np.ones(shape=(5,4), dtype=np.int32)``print(t_list)

2、np.zeros(shape, dtype)

t_list = np.zeros(shape=(5,3), dtype=np.int32)``print(t_list)

3、np.full(shape, fill_value, dtype)

t_list = np.full(shape=(2,3,4), fill_value=10, dtype=np.int32)``print(t_list)

4、np.eye(N,M,k,dtype)

# 单位矩阵``t_list = np.eye(N=5, dtype=np.float32)``print(t_list)``   ``# 控制行列的矩阵``t_list = np.eye(N=5, M=4, dtype=np.int32)``print(t_list)``   ``# 1向左偏移``t_list = np.eye(N=5, k=-1)`&