- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
dtype('float64')
>>> y.ndim 1
6
ndarray类型数组
创建一维数组
（2）用arange()函数创建一维数组
arrange()函数用于创建等差数组，使用频率非常高，arange()非常类似Python中range()函数，两者的区
别在于，arange()返回的是一个数组，而range()返回的是list。
4
ndarray类型数组
numpy中最重要的对象就是ndarray的多维数组，它是一组相同类型元素的集合，元素 可用从零开始的索引来访问。多维数组ndarray中的每个元素在内存中连续存放并占同样大小 存储空间。多维数组ndarray有以下几个属性：
ndarray.size：数组中全部元素的数量； ndarray.dtype：数组中数据元素的类型（int8,uint8,int16,uint16,int32,uint32,int64,u int64,float16,float32,float64,float128,complex64,complex128,complex256,bool,object ,string,unicode等）； ndarray.itemsize：每个元素占几个字节； ndarray.ndim：数组的维度； ndarray.shape：数组各维度大小。
>>> import numpy as np
>>> np.arange(5)
# arange()输出的是含有0~4，5个元素的数组
array([0, 1, 2, 3, 4])
>>> np.arange(1,5)
array([1, 2, 3, 4])
>>> np.arange(2,5)
array([2, 3, 4])
2
(2, 4)
>>> print(x2.shape)
>>> y = np.array([[[1,2,3,4],[5,6,7,8]],[[0,0,0,0],[9,9,9,9]]]) #创建三维数组
(1,4)
>>> print(y)
>>> x3 = np.array([[1,2,3,4],[5,6,7,8]]) #创建二维数组 [[[1 2 3 4]
7
ndarray类型数组
创建N维数组
（1）使用array()函数创建
>>> import numpy as np
>>> x1 = np.array([1,2,3,4]) #创建一维数组
>>> x1
array([1,2, 3, 4])
>>> print(x1.ndim)
#输出 x1的维度
1
>>> print(x1.shape)
>>> import numpy as np #导入numpy模块，重命名为np
>>> x = np.array((1,2,3,4)) #创建一维数组x
>>> x
array([1, 2, 3, 4])
#一维数组[1, 2, 3, 4]
>>> prgt;>> print(x.size)
5
ndarray类型数组
创建一维数组
（1）用array()函数创建一维数组
创建数组最简单的方法就是使用array()函数。它将输入的数据（元组、列表、数组或其它序列的对象）转换成多维数组ndarray，
数组元素类型自动推断出或显式制定dtype类型，默认直接复制输入的数据，然后产生一个新的多维数组ndarray。
>>> np.arange(1,10,2) #第一个参数起点，第二个参数终点，第三个参数步长
array([1, 3, 5, 7, 9])
>>> np.arange(1,10,2, dtype=np.int16) #指定数据元素的类型为int16
array([1, 3, 5, 7, 9] , dtype=int16)
>>> y = np.array([1,2,3,4,5],dtype='float64')
>>> y
array([ 1., 2., 3., 4., 5.])
#[ 1., 2., 3., 4., 5.]中的点表示数组中元素类型是浮点型
>>> print(y)
[ 1. 2. 3. 4. 5.]
>>> y.dtype
#输出 y的维度
3
>>> print(y.shape)
#输出y各维度大小，(2, 2, 4) 表示2维2行4列
(2, 2, 4)
8
ndarray类型数组
创建N维数组
>>> print(x3)
[5 6 7 8]]
[[1 2 3 4]
[5 6 7 8]]
[[0 0 0 0]
>>> print(x3.dtype)
[9 9 9 9]]]
int64
>>> print(y.dtype)
>>> print(x3.ndim)
#输出 x3的维度
int64
2
>>> print(y.ndim)
#输出 x 全部元素的数量
4
>>> print(x.dtype)
#输出 x中每个元数的类型
int64
>>> print(x.itemsize)
#输出 x中每个元素占几个字节
8
>>> x.ndim
#显示x的维度
1
>>> x.shape
#显示x的形状，行上共4个元素
(4,)
#array()函数接收列表创建数组，指定类型为float64
(4,)
>>> x2 = np.array([[1,2,3,4]]) #创建二维数组，注意参数的形式
>>> x2 array([[1,2, 3, 4]])
创建N维数组
>>> print(x2.ndim)
#输出 x2的维度
>>> print(x3.shape)
#输出 x3各维度大小，(2,4) 表示2行 4列
第九章 数据分析基础
1
目录
Contents
01
03
02
numpy模块 pandas模块 项目训练
04
小结
07
2
分支结构程序设计
01
numpy模块
numpy模块
numpy是一个用Python实现的科学计算包，专为进行严格的数值 处理而产生，尤其是对大型多维数组和矩阵的支持，并且有一个大型的 高级数学函数库来操作这些数组。numpy提供了许多高级的数值编程工 具，如矩阵数据类型、矢量处理，以及精密的运算库。多为很多大型金 融公司和核心的科学计算组织使用，具有运算速度快、效率高、节省空 间等特点。
