数据分析前期准备-numpy-基础数据结构

‘‘‘
Numpy基础数据结构

numpy 数组是一个多维数组对象，称为 ndarray 由两部分组成
1.实际的数据
2.描述这些数据的元数据
‘‘‘

# 多维数组 ndarray

import numpy as np

ar = np.array([1,2,3,4,5,6,7])
print(ar)          # 输出数组，注意数组的格式：中括号，元素之间没有逗号（和列表区分)
print(ar.ndim)     # 输出数组维度的个数（轴数），或者说‘秩，维度的数量也称 rank
print(ar.shape)    # 数组的维度，对于n行m列的数组，shape为(n,m)
print(ar.size)     # 数组的元素总数，对于n行m列的数组，元素的总数为n*m
print(ar.dtype)    # 数组中元素的类型，类似type() （注意，type()是函数，dtype是方法
print(ar.itemsize) # 数组中每个元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性
ar                 # 交互方式下输出，会有array(数组)

# 创建数组：array()函数，括号内可以是列表，元祖，数组，生成器等

ar1 = np.array(range(10)) # 整型
ar2 = np.array([1,2,3,4,5]) # 浮点型
ar3 = np.array([[1,2,3],(‘a‘,‘b‘,‘c‘)]) # 二维数组：嵌套序列(列表，元祖均可)
ar4 = np.array([[1,2,3],(‘a‘,‘b‘,‘c‘,‘d‘)]) # 嵌套序列不一样会变成一维数组
print(ar1,type(ar1),ar1.dtype)
print(ar2,type(ar2),ar2.dtype)
print(ar3,ar3.shape,ar3.ndim,ar3.size)  # 二维数组，共六个元素
print(ar4,ar4.shape,ar4.ndim,ar4.size)  # 一维数组，共两个元素

# 创建数组：range() 类似range()，在给定间隔内返回均匀间隔的值

print(np.arange(10)) #  返回0-9，整型
print(np.arange(10.0)) # 返回0.0-9.0，浮点型
print(np.arange(5,12)) # 返回5-11
print(np.arange(5.0,12,2)) # 返回5.0-12.2，步长为2
print(np.arange(10000)) # 如果数组太大而无法打印，Numpy 会自动跳过数组的中心部分，并只打印边角

# 创建数组：linspace():返回在间隔[开始，停止]上计算的num个均匀间隔的样本

ar1 = np.linspace(2.0,3.0,num = 5)
ar2 = np.linspace(2.0,3.0,num = 5,endpoint=False)
ar3 = np.linspace(2.0,3.0,num = 5,retstep=True)
print(ar1,type(ar1))
print(ar2)
print(ar3,type(ar3))

# numpy.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)
# start:起始值，stop:结束值
# num: 生成样本数，默认为50
# endopint： 如果为真，则停止是最后一个样本，否则，不包括在内，默认值为True
# retstep: 如果为真，返回(样本，步骤)，其中步长是样本之间的间距--> 输出位一个包含两个元素的元祖，第一个元素为array，第二个步长为实际值

# 创建数组：zeros()/zeros_like()/ines_like()

ar1 = np.zeros(5)
ar2 = np.zeros((2,2),dtype = np.int64)
print(ar1,ar1.dtype)
print(ar2,ar2.dtype)
print(‘-----‘)

# numpy:zeros(shape,dtype=float,order=‘C‘):返回给定形状和类型的新数组，用零填充。
# shape:数组纬度，二维以上需要用(),且输入参数为整数
# dtype:数据类型，默认numpy，float64
# order:是否在储存器中以C或Fortran连续(按行或列方式)储存多维数据

ar3 = np.array([list(range(5)),list(range(5,10))])
ar4 = np.zeros_like(ar3)
print(ar3)
print(ar4)
print(‘-------‘)
# 返回具有与给定数组相同的形状和类型的零数组，这里ar4根据ar3的形状和dtype创建一个全0的数组

ar5 = np.ones(9)
ar6 = np.ones((2,3,4))
ar7 = np.ones_like(ar3)
print(ar5)
print(ar6)
print(ar7)
# ones()/ones_like()和zeros()/zeros_like一样，只是填充为1

# 创建数组：eye()

print(np.eye(5))
# 创建一个正方形的N*N的单位矩阵，对角线值为1，其余为0