資料分析第二章

2.1 numpy 陣列物件ndarray

# ** 2-1

import numpy as np #匯入 numpy 庫 
arr1 = np.array([1, 2, 3, 4]) #建立一維陣列 
print(' 建立的陣列為： ',arr1)
# 建立二維陣列
arr2 = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])
print('建立的陣列為：\n',arr2)
print('陣列型別為：',arr2.dtype) #檢視陣列型別
print('陣列元素個數為：',arr2.size) #檢視陣列元素個數
print('陣列每個元素大小為：',arr2.itemsize) #檢視陣列每個元素大小

建立的陣列為：  [1 2 3 4]

建立的陣列為：

[[ 1  2  3  4]

[ 4  5  6  7]

[ 7  8  9 10]]

陣列型別為： int32

陣列元素個數為： 12

陣列每個元素大小為： 4

#**2-2

arr2.shape = 4,3 #重新設定shape

print('重新設定shape 後的arr2 為：',arr2)重新設定shape 後的arr2 為： [[ 1  2  3]

[ 8  9 10]]# ** 2-3

print('使用arange函式建立的陣列為：\n',np.arange(0,1,0.1))使用arange函式建立的陣列為：

[0.  0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]# ** 2-4

print('使用linspace函式建立的陣列為：',np.linspace(0, 1, 12))使用linspace函式建立的陣列為： [0.         0.09090909 0.18181818 0.27272727 0.36363636 0.45454545

0.54545455 0.63636364 0.72727273 0.81818182 0.90909091 1.        ]# ** 2-5

print('使用logspace函式建立的陣列為：',np.logspace(0, 2, 20))使用logspace函式建立的陣列為： [  1.           1.27427499   1.62377674   2.06913808   2.6366509

37.92690191  48.32930239  61.58482111  78.47599704 100.        ]# ** 2-6

print('使用zeros函式建立的陣列為：',np.zeros((2,3)))使用zeros函式建立的陣列為： [[0. 0. 0.]

[0. 0. 0.]]# ** 2-7

print('使用eye函式建立的陣列為：',np.eye(3))使用eye函式建立的陣列為： [[1. 0. 0.]

[0. 0. 1.]]# ** 2-8

print('使用diag函式建立的陣列為：',np.diag([1,2,3,4]))使用diag函式建立的陣列為： [[1 0 0 0]

[0 0 0 4]]# ** 2-9

print('使用ones函式的陣列為：',np.ones((5,3)))使用ones函式的陣列為： [[1. 1. 1.]

[1. 1. 1.]]# ** 2-10

print('轉換結果為：',np.float64(42)) #整型轉換為浮點型

print('轉換結果為：',np.int8(42.0)) #浮點型轉換為整型

print('轉換結果為：',np.bool(42)) #整型轉換為布林型

print('轉換結果為：',np.bool(0)) #整型轉換為布林型

print('轉換結果為：',np.float(true)) #布林型轉換為浮點型

print('轉換結果為：',np.float(false)) #布林型轉換為浮點型

# ** 2-11

df = np.dtype([("name", np.str_, 40), ("numitems", np.int64),

("price",np.float64)])

print('資料型別為：',df)轉換結果為： 42.0

轉換結果為： 0.0# ** 2-12

print('資料型別為：',df["name"])

print('資料型別為：',np.dtype(df["name"]))

# ** 2-13

itemz = np.array([("tomatoes", 42, 4.14),("cabbages", 13, 1.72)],

dtype=df)

print('自定義資料為：',itemz)資料型別為： [('name', '橫向分割為： [array([[ 0,  1],

[ 4,  5],

[ 8,  9],

[12, 13]]), array([[ 2,  3],

[ 6,  7],

[10, 11],

[14, 15]])]

縱向分割為： [array([[0, 1, 2, 3],

[4, 5, 6, 7]]), array([[ 8,  9, 10, 11],

[12, 13, 14, 15]])]

Python資料分析筆記 第二章

3.run 4.paste和 cpaste 5.常用魔術命令 6.格式化輸出 7.isinstance 8.iter 函式 9.模組 10.可變物件與不可變物件 11.標量型別 12.格式化字串 13.encode和decode 15.日期和時間 16.三元表示式 在變數的後面加?即可 2.1乙個問...

機器學習例項第二章 資料分析

機器學習例項第二章 資料分析 height.weight read.delim e ml for hackers master 02 exploration data 01 heights weights genders.csv sep header true summary height.weig...

Python資料分析與挖掘實戰 第二章

1.for i in range a,b,c a為首項 c為公差 不超過b 1 2.行內函式 f lambda x x 2 定義f x x 2 g lambda x,y x y3.資料結構 list tuple dictionary set 列表可以被修改，元組不可以 列表是 元組是 可直接轉換 l...