資料分析 numpy 02 建立陣列

import numpy as np

#方法有:
#1.array()
# def array(p_object, dtype=none, copy=true, order='k', subok=false, ndmin=0)
# eg:
a1 = np.array([1
,2,3
,4])
a2 = np.array([(
1,2)
,(3,
4)])
print
(a1,a2)
a3=np.array([[
1,2]
,[3,
4]])
print
(a3.dtype)
# dtype
a4 = np.array([[
1,2]
,[3,
4]],dtype=np.float32)
print
(a4.dtype)
# 2.arange()函式建立一維陣列
# 格式: arange(起,止,步長) 前閉後開
a5 = np.arange(0,
1,0.1)
print
(a5)
#[ 0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
a6 = np.arange(0,
9,1.5)
#[ 0. 1.5 3. 4.5 6. 7.5]
print
(a6)
# 通常無法準確預估元素個數,所有我們一般使用linspace
# 3.使用函式linspace() 前後閉
# def linspace(start, stop, num=50, endpoint=true, retstep=false, dtype=none):
a7 = np.linspace(1,
10,10)
print
(a7)
#[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
# 4.logspace()--等比數列
# eg1:生成10^1~10^3之間的3個等比數值
a8 = np.logspace(1,
3,3)
print
('a8:'
,a8)
#a8: [ 10. 100. 1000.]
# eg2:生成2^0~2^10,10
a9=np.logspace(0,
10,11,base=
2,dtype=np.int32)
print
(a9)
#[ 1 2 4 8 16 32 64 128 256 512 1024]
# 5.zeros()
a10 = np.zeros((2
,3))
#兩行三列零矩陣
print
(a10)
# [[ 0. 0. 0.]
# [ 0. 0. 0.]]
# ones()
a11 = np.ones((2
,3))
print
(a11)
# empty
# 該函式建立乙個內容隨機並且依賴於記憶體狀態的陣列
a12 = np.empty((2
,3))
print
(a12)
# 7.eye()
# 生成n階矩陣,對角線元素為1
a13 = np.eye(3)
print
(a13)
# 8.diag()函式
# 生成對角線矩陣
a14 = np.diag([1
,2,3
,4])
print
(a14)

02 資料分析 numpy的使用

名稱 描述bool 布林型資料型別 true 或者 false int預設的整數型別 類似於 c 語言中的 long，int32 或 int64 intc 與 c 的 int 型別一樣，一般是 int32 或 int 64 intp 用於索引的整數型別 類似於 c 的 ssize t，一般情況下仍然...

資料分析 numpy陣列 01

預備知識 能夠乙個接乙個地儲存在計算機儲存器的一塊連續區域內的表示方法稱為陣列array。資料分析 numpy numpy是python語言的乙個拓展程式庫，支援大量的維度陣列與矩陣運算，而且numpy針對於陣列運算提供大量的數學函式庫。numpy 是乙個執行速度非常快的數學庫，主要用於陣列計算 1...

numpy資料分析

2020 11 2 import array arr array.array i list range 10 i表示整型,生成序列後不能改變資料型別 多維陣列ndarray方便處理多維度運算，運算效率高 nparr np.array list range 10 修改值，浮點數取整數段 nparr 2...