NumPy提供了高效存储和操作秘籍数据缓存的接口 几乎是整个Python数据科学工具生态系统的核心。
所以 不管你是对数据科学的哪个方面感兴趣 多花点时间学习如何有效的使用NumPy是非常值得的。
import numpy as np1.从Python列表创建NumPy数组
L list(range(10)) np.array(L) np.array(L,dtype float32 )
NumPy要求数组必须包含同一种类型的数据 如果类型不匹配 Numpy将会向上转换
如果需要设置数组的数据类型 可使用dtype
np.zeros(10)#创建一个长度为10 数组值都为0的数组
注意 若不设置dtype,dtype ‘float64’
np.zeros(10,dtype int) np.zeros((2,3),dtype int)#创建一个 2*3的int型数组3.创建数组值都为1的数组
np.ones((2,3),dtype int)4.创建数组值都为n的数组
np.full((2,3),3.15)#创建一个2*3的浮点型数组 数组值全为3.145.创造线性序列列表
np.arange(0,20,2)#从0开始到20结束步长为26.创造一个3*3,在0-1均匀分布的随机数组成的数组
np.random.random((3,3))7.创建一个3*3均值为0 方差为1 服从正态分布的随机数数组
np.random.normal(0,1,(3,3))8.创建指定大小的数组 数组数值随机取于[low,high)之间的整型
numpy.random.randint()
创建指定大小的数组 数组数值随机取于[low,high)之间。high为空时则取[0,low)。需要用到size属性指定数组大小。
arr3 np.random.randint(1,20,size (2,4))
9.创建结构化数组name [ zxy , swx , yjh ]
age [21,21,21]
weight [100,140,120]
data np.zeros(3,dtype { names :( name , age , weight ),
formate :( U8 , i4 , f8 )})
#利用指定符合数据类型 来构造一个结构化数组
data[ name ] name
data[ age ] age
data[ weight ] weight
