数据分析三剑客之numpy

import numpy as np

一、创建ndarray

两种方式：

1、使用np.array()

2、使用np的routines函数创建

1 np.ones(shape,dtype=None,order=‘C‘)  # 0 填充
2 np.zeros(shape,dtype=None,order=‘C‘)  # 1 填充
3 np.full(shape,fill_value,dtype=None,order=‘C‘)  #fill_value 填充
4 
5 np.linsapce(start,stop,num=n)  #等差数列 n个
6 np.arange(satrt,stop,step,dtype=None)
7 np.random.random(size=None)  #样本为[0,1)的随机数
8 np.random.randn(d0,d1,d2...,dn)  #样本为标准正态分布
9 np.random.randint(low,high,size=None,dtype=‘I‘)  

二、ndarray属性

ndim：属性

shape：形状

size：总长度

dtype：元素类型

三、ndarray基本操作

1、索引

2、切片

3、变形 arr.reshape()

4、级联（纬度相同，形状相符）

np.concatenate((arr1,arr2,..),axis=1)   

　　axis=1 表示行方向

　　axis=0 表示列方向

5、切分

np.split(arr,行或列号，垂直于那个轴)

　如：np.split(arr,(2,4),axis=1)  表示在2,4列各切一次

6、副本   copy()

如：arr_c = arr.copy()

四、聚合操作

常用：

1、求和  np.sum()

2、最大最小值   np.max()/np.min()

3、平均值 np.mean()

4、标准差 np.std()

五、广播机制

规则：缺失维度的数组将维度补充为进行运算的数组的维度，缺失的数组元素使用已有的元素进行填充

也就是三点：1、为缺失的维度补1；

　　　　　　2、缺失元素用已有元素补充

　　　　　　3、缺失的数组只能有一行或一列

六、ndarray的排序

np.sort()  #不改变输入

ndarray.sort()    #本地处理，会改变输入

数据分析三剑客之numpy

原文：https://www.cnblogs.com/zhang-yl/p/10386174.html