[新手-数据分析师]numpy学习笔记(1st)

原创
2016/11/10 00:33
阅读数 305

IT时代迭代到DT时代,为了更好的糊口高龄圣斗士,削尖脑袋混进数据分析领域。搞这玩意的初心也非常简单:那就是毛yeye。别和我谈理想,戒了!日了狗的情怀去翔吧!另一方面,就是怼那群成天空谈的傻B,ppt套路王,然并暖高管...

基础的代码

array = np.array([[1,2,3],
                        [4,5,6]])
print(array)
print('number of dimension:',array.ndim)
print('shape:',array.shape)
print('size',array.size)
print('dtype:',array.dtype)
print('itemsize:',array.itemsize)
print('data of buffer:',array.data)

##array.ndim 这个是数组的维度,单行或者单列的数组,我们称为一维数组,多行或者多列的数组,我们称为二维数组。(含2行2列)。多数情况下数据分析中的ndim多为2维。

##array.shape 数组的维度。上案例为(2,3),即2行3列。

##array.size 数组的元素个数。上案例为6。

##array.dtype 描述数组中元素类型。可以通过创造或指定dtype使用标准Python类型。另外NumPy提供它自己的数据类型。

##array.itemsize 数组中每个元素的字节大小。例如,一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如,一个元素类型为int32的数组item属性为4(=32/8)。

##array.data 数组的缓冲区数据,较少使用

#数组的创建

a = np.array([[1,2,3], [3,4,5]],dtype=np.int32)
print(a.dtype)

a = np.zeros((3,4))
print(a)

b = np.ones((3,4))
print(b)

c = np.empty((3,4))
print(c)

d = np.arange(10,20,3)
print(d)

e = np.arange(12).reshape(3,4)
print(e)

##dtype类型 int8(unit8),int16(unit16),int32(unit32),int64(unit64)有(无)符号的X(8,16,32,64)位整型。 float16,float32,float64,float128 complax64,complax128,complax256 bool object string_ unicode_

展开阅读全文
打赏
0
5 收藏
分享
打赏
0 评论
5 收藏
0
分享
返回顶部
顶部