《利用Python进行数据分析》系列二——Numpy基础

这里主要讲下numpy的一些基础操作，即书籍的第4章内容。

1. 创建数组对象的方式

其他方式：

# 创建10个全为0的数组
np.zeros(10)            # array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

# 创建全为0的二维数组
np.zeros((3, 6))        # array([[ 0.,  0.,  0.,  0.,  0.,  0.],
                                 [ 0.,  0.,  0.,  0.,  0.,  0.],
                                 [ 0.,  0.,  0.,  0.,  0.,  0.]])

# 创建一个任意值的数组
np.empty((2, 3，2))        # array([[[  0.00000000e+000,   0.00000000e+000],
                                  [  2.16538378e-314,   2.16514681e-314],
                                  [  2.16511832e-314,   2.16072529e-314]],

                                 [[  0.00000000e+000,   0.00000000e+000],
                                  [  2.14037397e-314,   6.36598737e-311],
                                  [  0.00000000e+000,   0.00000000e+000]]])

# 创建一个从0到10的数组
np.arange(10)            # array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9])


# 随机一：随机创建一个符合标准正态分布的数组
np.random.normal(size=(4, 4))    # array([[ 0.5382462 , -0.79452471, -0.07993797,  0.72243531],
                                          [ 0.87180676,  1.61663011, -0.62169955,  1.73880636],
                                          [ 1.88294218,  0.07432438,  1.63474848,  0.23519213],
                                          [ 0.92847885, -0.45791646,  0.63965317, -0.23654448]])
注：np.random.randn也可以创建一个符合标准正态分布的数组，两者的区别在于：
    np.random.randn(size)所谓标准正太分布（μ=0, σ=1），对应于np.random.normal(loc=0, scale=1, size)

list转为数组的方式：

# 一维list转化为array
data1 = [6, 7.5, 8, 0, 1]
arr1 = np.array(data1)

# 二维list转化为array
data2 = [[1, 2, 3, 4], [5, 6, 7, 8]]
arr2 = np.array(data2)

2.  查看数组的维度

# 维度
arr2.ndim            # 2

arr2.shape           # （2,4）

3. 数组的类型

在创建时，不用dtype定义的话，会自动搭配合适的类型

arr2.dtype            # dtype('int64')

未完待续！