python之Numpy_python

科学计算库Numpy 环境：jupyter Notebook(Anaconda)

文章目录

一、认识NumPy数组对象

属性	说明
ndarray.ndim	数组的维度，这是一个整数的元组，表示每个维度上数组的大小，例如，一个n行m列的数组，它的shape属性为(n,m)
ndarray.shape	数组元素的总个数，等于shape属性中元组元素的乘积
ndarray.size	数组元素的总个数，等于shape属性中元组元素的乘积
ndarray.dtype	描述数组中元素类型的对象，既可以使用标准的Python类型创建或指定，也可以使用NumPy特有的数据类型来指定
ndarray.itemsize	数组中每个元素的字节大小

1. 引入numpy库

import numpy as np      #引入numpy库

2. 将0-12按3行4列排序

data=np.arange(12).reshape(3,4)     #将0-12按3行4列排序
data

3. 数据类型

type(data)       #data的数据类型

4. 数组维度的个数

data.ndim       #数组维度的个数，表示n维数组

5. 数组的维度

data.shape     #数组的维度，表示n行n列

6. 数组元素的个数

data.size      #数组元素的个数，总共有n个元素

7. 数组元素类型

data.dtype     #数组元素类型

二、创建NumPy数组 1. 创建NumPy数组

data2=np.array([[1,2,3],[4,5,6]])
data2

2. zeros()函数

np.zeros((3,4))      #通过zeros()函数创建元素值都是0的数组

3. ones()函数

np.ones((3,4))       #通过调用ones()函数创建元素值都为1的数组

4. empty()函数

np.empty((5,2))     #通过empty()函数创建一个新的数组。

5. arange()函数

# In[16]:


np.arange(1,20,5)    #通过arange()函数可以创建一个等差数组（开始范围，结束范围，差值）

三、ndarray对象的数据类型

data_one=np.array([[1,2,3],[4,5,6]])    #查看数据类型
data_one.dtype.name

1. 建立int类型数组

import numpy as np
data=np.array([[1,2,3],[4,5,6]])       #建立int类型数组
data.dtype

2. 转换为float数据类型

float_data=data.astype(np.float64)     #转换为float数据类型
float_data.dtype

3. 建立float类型数组

float_data=np.array([1.2,2.3,3.5])     #建立float类型数组
float_data

4. float转换为int数据类型

int_data=float_data.astype(np.int64)       #float转换为int数据类型
int_data

5. string转换为int数据类型

str_data=np.array(['1','2','3'])       #建立string类型数组
str_data
int_data=str_data.astype(np.int64)     #转换为int数据类型
int_data

记得点赞啊啊啊~
更深入的学习可前往
链接：https://blog.csdn.net/weixin_46555054/article/details/124213982

欢迎分享，转载请注明来源：内存溢出

python之Numpy