【数据分析】NumPy

文章目录

• • @[toc]
  • • ndarray的创建
    • • np.array()方法
      • np.arange()方法
      • np.zeros()方法
      • np.ones()方法
      • np.full()方法
      • np.eye()方法
      • np.random模块
      • • np.random.random()方法
        • np.random.randint()方法
        • np.random.choice()方法
        • np.random.shuffle()方法
    • ndarray的属性
    • • ndarray.dtype
      • ndarray.ndim
      • ndarray.shape
      • ndarray.size
      • ndarray.itemsize
    • 修改ndarray的维度
    • • ndarray.reshape()方法
      • ndarray.resize()方法
      • ndarray.flatten()方法
    • ndarray与数的运算
    • ndarray与ndarray的运算
    • ndarray索引与切片
    • • ndarray索引
      • ndarray切片
    • ndarray的转置
    • • ndarray.T
      • ndarray.transpose()方法
    • 布尔索引

个人主页：丷从心·

系列专栏：数据分析

学习指南：Python学习指南

---

ndarray的创建

np.array()方法

import numpy as np

arr = np.array([1, 2, 3])

print(arr)
print(type(arr))
1
2
3
4
5
6

[1 2 3]
<class 'numpy.ndarray'>
1
2

np.arange()方法

import numpy as np

arr = np.arange(6)

print(arr)
1
2
3
4
5

[0 1 2 3 4 5]
1

np.zeros()方法

import numpy as np

arr = np.zeros((2, 2))

print(arr)
1
2
3
4
5

[[0. 0.]
 [0. 0.]]
1
2

np.ones()方法

import numpy as np

arr = np.ones((2, 2))

print(arr)
1
2
3
4
5

[[1. 1.]
 [1. 1.]]
1
2

np.full()方法

import numpy as np

arr = np.full((2, 2), 2)

print(arr)
1
2
3
4
5

[[2 2]
 [2 2]]
1
2

np.eye()方法

import numpy as np

arr = np.eye(3)

print(arr)
1
2
3
4
5

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
1
2
3

np.random模块

np.random.random()方法

import numpy as np

arr = np.random.random((2, 2))

print(arr)
1
2
3
4
5

[[0.32149432 0.01896196]
 [0.62318947 0.24221268]]
1
2

np.random.randint()方法

import numpy as np

arr = np.random.randint(0, 10, size=(2, 2))

print(arr)
1
2
3
4
5

[[6 7]
 [2 3]]
1
2

np.random.choice()方法

• choice()方法用于从数组或列表中随机采样

import numpy as np

arr = np.arange(6)

print(np.random.choice(arr, size=(2, 3)))
1
2
3
4
5

[[2 1 0]
 [0 2 5]]
1
2

np.random.shuffle()方法

• shuffle()方法用于将数组随机打乱

import numpy as np

arr = np.arange(6)
np.random.shuffle(arr)

print(arr)
1
2
3
4
5
6

[1 0 5 4 3 2]
1

---

ndarray的属性

ndarray.dtype

• ndarray.dtype表示数组元素的类型

import numpy as np

arr = np.random.random((2, 2))

print(arr.dtype)
1
2
3
4
5

float64
1

ndarray.ndim

• ndarray.ndim表示数组的维度

import numpy as np

arr = np.random.random((2, 2))

print(arr.ndim)
1
2
3
4
5

2
1

ndarray.shape

• ndarray.shape表示数组的各轴长度

import numpy as np

arr = np.random.random((2, 2))

print(arr.shape)
1
2
3
4
5

(2, 2)
1

ndarray.size

• ndarray.size表示数组的元素总数量

import numpy as np

arr = np.random.random((2, 2))

print(arr.size)
1
2
3
4
5

4
1

ndarray.itemsize

• ndarray.itemsize表示数组每个元素占的字节数

import numpy as np

arr = np.random.random((2, 2))

print(arr.itemsize)
1
2
3
4
5

8
1

---

修改ndarray的维度

ndarray.reshape()方法

• reshape()方法不会修改数组本身，只返回修改后的结果

import numpy as np

arr_1 = np.arange(6)

arr_1.reshape((2, 3))
print(arr_1)

arr_2 = arr_1.reshape((2, 3))
print(arr_2)
1
2
3
4
5
6
7
8
9

[0 1 2 3 4 5]
[[0 1 2]
 [3 4 5]]
1
2
3

ndarray.resize()方法

• resize()方法修改数组本身，没有返回值

import numpy as np

arr = np.arange(6)
arr.resize((2, 3))

print(arr)
1
2
3
4
5
6

[[0 1 2]
 [3 4 5]]
1
2

ndarray.flatten()方法

• flatten()方法用于将多维数组转变为一维数组

import numpy as np

arr = np.arange(6)
arr.resize((2, 3))

print(arr.flatten())
1
2
3
4
5
6

[0 1 2 3 4 5]
1

---

ndarray与数的运算

import numpy as np

arr = np.random.random((3, 4))
arr *= 10

print(arr.round(2))
1
2
3
4
5
6

[[6.61 5.87 3.59 9.65]
 [9.91 5.98 2.7  5.72]
 [2.76 3.68 2.4  2.79]]
1
2
3

• round()方法用于修改保留小数的位数

---

ndarray与ndarray的运算

import numpy as np

arr_1 = np.array([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])

arr_2 = np.array([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])

print(arr_1 * arr_2)
1
2
3
4
5
6
7
8
9
10
11

[[ 1  4  9]
 [16 25 36]
 [49 64 81]]
1
2
3

import numpy as np

arr_1 = np.random.randint(0, 10, size=(3, 4))  # 3 行 4 列
arr_2 = np.random.randint(0, 10, size=(3, 1))  # 3 行 1 列

arr_3 = arr_1 - arr_2

print(arr_1)
print(arr_2)
print(arr_3)
1
2
3
4
5
6
7
8
9
10

[[9 5 1 6]
 [4 4 9 5]
 [9 0 7 3]]
[[3]
 [7]
 [8]]
[[ 6  2 -2  3]
 [-3 -3  2 -2]
 [ 1 -8 -1 -5]]
1
2
3
4
5
6
7
8
9

import numpy as np

arr_1 = np.random.randint(0, 10, size=(3, 4))  # 3 行 4 列
arr_2 = np.random.randint(0, 10, size=(1, 4))  # 1 行 4 列

arr_3 = arr_1 - arr_2

print(arr_1)
print(arr_2)
print(arr_3)
1
2
3
4
5
6
7
8
9
10

[[0 1 1 8]
 [3 3 6 3]
 [4 9 8 6]]
[[3 5 9 0]]
[[-3 -4 -8  8]
 [ 0 -2 -3  3]
 [ 1  4 -1  6]]
1
2
3
4
5
6
7

---

ndarray索引与切片

ndarray索引

import numpy as np

arr = np.array([[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]])

print(arr[0])  # 打印第 0 行的元素
print(arr[0, 0])  # 打印第 0 行第 0 列的元素
1
2
3
4
5
6
7
8

[1 2 3]
1
1
2

ndarray切片

import numpy as np

arr = np.array([[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]])

print(arr[:2])  # 打印第 0 ~ 1 行的元素
print(arr[:2, :2])  # 打印第 0 ~ 1 行的第 0 ~ 1 列的元素
1
2
3
4
5
6
7
8

[[1 2 3]
 [4 5 6]]
[[1 2]
 [4 5]]
1
2
3
4

---

ndarray的转置

ndarray.T

• ndarray.T不会修改数组本身，只返回转置后的结果

import numpy as np

arr = np.arange(6).reshape((2, 3))

print(arr)
print(arr.T)
1
2
3
4
5
6

[[0 1 2]
 [3 4 5]]
[[0 3]
 [1 4]
 [2 5]]
1
2
3
4
5

ndarray.transpose()方法

• transpose()方法修改数组本身，并返回转置后的结果

import numpy as np

arr = np.arange(6).reshape((2, 3))

print(arr)
print(arr.transpose())
1
2
3
4
5
6

[[0 1 2]
 [3 4 5]]
[[0 3]
 [1 4]
 [2 5]]
1
2
3
4
5

---

布尔索引

• 布尔索引是指将一个布尔数组作为数组索引，返回的数据是布尔数组中Ture对应位置的值

import numpy as np

arr_1 = np.arange(0, 12).reshape((3, 4))
arr_2 = (arr_1 < 3) | (arr_1 > 8)

print(arr_1)
print(arr_2)

print(arr_1[arr_2])
1
2
3
4
5
6
7
8
9

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[ True  True  True False]
 [False False False False]
 [False  True  True  True]]
[ 0  1  2  9 10 11]
1
2
3
4
5
6
7

---