Python數據分析 Numpy 的使用方法

Posted on by

簡介

使用 Python 進行數據分析時，比較常用的庫有 Numpy、Pandas、Matplotlib，本篇文章就來說一下 Numpy 的使用方法，編輯器就使用上篇文章說過的 Jupyter。

Numpy 是一個Python擴展庫，專門做科學計算，也是大部分 Python 科學計算庫的基礎，Numpy 提供瞭多維數組對象 ndarray，它是一系列同類型數據的集合，可以進行索引、切片、迭代等操作。

我們可以使用以下命令進行安裝：

pip install numpy
# 或者
conda install numpy

多維數組創建

在Numpy中使用array()方法創建數組，傳入列表或元組即可，例如：

創建一維數組，並指定數據類型為 int：

import numpy as np
np.array([1,2,3,4], dtype=int)  # 接收一個list作為參數

創建二維數組：

np.array([[1,2,3],[4,5,6]])

結果輸出為：

array([[1, 2, 3],
       [4, 5, 6]])

使用arange()函數創建連續的array，類似於 Python 中的range()函數：

np.arange(10)

使用 Numpy 的random模塊創建隨機數組:

# 創建2行3列取值范圍為[0,1)的隨機數組 
np.random.rand(2, 3)
# 創建2行3列的隨機整數數組，取值范圍為[5,20)
np.random.randint(5,20,size=(2,3))

其他方法：

np.ones()函數：創建一個元素值全為1的數組，接收一個list或tuple作為參數，如np.ones([2, 3])可以創建一個2行3列的數組。 np.zeros()函數：創建一個元素值全為0的數組，接收一個list或者tuple作為參數，使用同上。 np.full()函數：創建一個填充指定數值的數組，第一個參數是list或tuple，第2個參數是需要填充的數值，如np.full((2, 3), 5)可以創建一個2行3列的數組，所有元素都填充為5。

當然，還有一些其他的方法創建指定格式 Numpy 數組，用處不多，就不一一介紹瞭。

數組的數據類型

Numpy 支持非常多的數據類型，可以通過 Numpy 數組對象的dtype屬性查看數組的數據類型：

a = np.array([[1,2,3],[4,5,6]])
a.dtype

數組維度

可以通過對象的ndim或shape屬性，來查看數據維度：

  • ndim屬性：直接返回維度值。
  • shape屬性：返回一個元組，元組的長度即代表數組的維度，元組每一個屬性代表對應的維度的元素個數。
a = np.array([[1,2,3],[4,5,6]])
a.ndim
a.shape

到此這篇關於Python數據分析 Numpy 的使用方法的文章就介紹到這瞭,更多相關Numpy 的使用內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：