35个NumPy数据科学核心方法，从入门到精通

大家好，NumPy是Python数据科学生态中的核心编程库。对于Python开发者，精通NumPy是探索数据奥秘的关键。本文将介绍35个NumPy核心方法，帮助大家快速掌握这一强大工具。

使用NumPy库之前，首先需要进行导入，在Python中，通常将numpy简称为np。同时，考虑到数据处理的需要，pandas库也要一并导入。

import numpy as np
import pandas as pd

以下是创建NumPy数组的最常见方法：

1.从Python列表

要将Python列表转换为NumPy数组，请使用np.array()方法：

a = [1, 2, 3]
np.array(a)

可以使用Python中可用的type方法来验证创建的对象的数据类型：

a = [1, 2, 3]
type(np.array(a))

在上面的演示中，创建了一个一维数组。

然而，也可以使用方法np.array()，使用列表创建多维 NumPy 数组：

a = [[1,2,3], [4,5,6]]
np.array(a)

要创建具有特定数据类型的NumPy数组，请通过dtype参数：

a = [[1,2,3], [4,5,6]]
np.array(a, dtype = np.float32)

2.创建填充零的NumPy数组

创建一个填充零的NumPy数组是很常见的，可以通过使用NumPy中的np.zeros()方法实现，如下所示：

np.zeros(5)

对于多维NumPy数组：

np.zeros((2, 3))

3.创建填充1的NumPy数组

如果想创建一个填充1的数组，用np.ones()方法：

np.ones((2, 3))

4.创建单位NumPy数组

在单位矩阵中，对角线填充有“1”，除了对角线之外的所有条目都是“0”，如下所示：

使用np.eye()方法创建单位矩阵：

np.eye(3)

5.创建具有特定步骤的等间距NumPy数组

要在给定区间内生成等间距的值，请使用np.arange()方法：

• 从start=0开始到stop=10为止，每隔step=1生成一个值：

np.arange(10)

• 从start=5开始到stop=11为止，每隔step=1生成一个值：