Day23:Numpy数组操作
在上一节中,我们介绍了数据分析的常用工具库,其中在数据分析和科学计算中,Numpy是一个常用的库,提供了高效的多维数组对象和各种数组操作函数。本节将详细介绍Numpy数组的创建、属性、赋值、切片索引以及其他处理数组的常用函数。
1. Numpy数组的创建
Numpy数组可以由列表或者元组而来,也可自行创建合适的数组。
- 使用
numpy.array()
函数可以将列表或元组转换为Numpy数组:
import numpy as np
# 从列表创建Numpy数组
list_data = [1, 2, 3, 4, 5]
np_array = np.array(list_data)
print(np_array)
# 从元组创建Numpy数组
tuple_data = (1, 2, 3, 4, 5)
np_array = np.array(tuple_data)
print(np_array)
- 使用
numpy.zeros()
函数可以创建一个全零数组:
zeros_array = np.zeros((3, 4))
print(zeros_array)
- 使用
numpy.ones()
函数可以创建一个全一数组:
ones_array = np.ones((2, 3))
print(ones_array)
- 使用
numpy.arange()
函数可以创建一个指定范围的等差数组:
range_array = np.arange(0, 10, 2)
print(range_array)
2. Numpy数组的属性
- 使用
ndarray.shape
属性可以获取数组的维度:
array = np.array([[1, 2, 3], [4, 5, 6]])
print(array.shape) # 输出:(2, 3)
- 使用
ndarray.dtype
属性可以获取数组元素的数据类型:
array = np.array([1, 2, 3])
print(array.dtype) # 输出:int64
- 使用
ndarray.ndim
属性可以获取数组的维数:
array = np.array([1, 2, 3])
print(array.ndim) # 输出:1
- 使用
ndarray.size
属性可以获取数组的总元素个数:
array = np.array([[1, 2, 3], [4, 5, 6]])
print(array.size) # 输出:6
3. Numpy数组的赋值和
剩余60%内容,订阅专栏后可继续查看/也可单篇购买
大模型-AI小册 文章被收录于专栏
1. AI爱好者,爱搞事的 2. 想要掌握第二门语言的Javaer或者golanger 3. 决定考计算机领域研究生,给实验室搬砖的uu,强烈建议你花时间学完这个,后续搬砖比较猛 4. 任何对编程感兴趣的,且愿意掌握一门技能的人