数据分析师-编程语言与工具-NumPy_NumPy数组基础：创建与属性.docxVIP

PAGE1

PAGE1

NumPy数组基础

1NumPy数组的创建方法

在NumPy中，数组的创建是基础操作之一，提供了多种方法来生成不同类型的数组。这些方法不仅简化了数组的初始化过程，还允许用户根据具体需求灵活地创建数组。

1.1使用numpy.array()创建数组

numpy.array()是最常用的创建数组的方法，它可以从列表、元组或其他数组对象中创建一个NumPy数组。

1.1.1示例代码

importnumpyasnp

#从列表创建数组

list_data=[1,2,3,4,5]

array_from_list=np.array(list_data)

print(array_from_list)

#从元组创建数组

tuple_data=(1,2,3,4,5)

array_from_tuple=np.array(tuple_data)

print(array_from_tuple)

#创建多维数组

nested_list=[[1,2,3],[4,5,6],[7,8,9]]

multi_dim_array=np.array(nested_list)

print(multi_dim_array)

1.2使用numpy.arange()创建数组

numpy.arange()用于创建一个等差数列的数组，可以指定起始值、终止值和步长。

1.2.1示例代码

#创建一个从0到9的数组

array_range=np.arange(10)

print(array_range)

#创建一个从1到10的数组，步长为2

array_range_step=np.arange(1,10,2)

print(array_range_step)

1.3使用numpy.zeros()和numpy.ones()创建数组

numpy.zeros()和numpy.ones()分别用于创建全零或全一的数组，可以指定数组的形状。

1.3.1示例代码

#创建一个形状为(3,3)的全零数组

zeros_array=np.zeros((3,3))

print(zeros_array)

#创建一个形状为(3,3)的全一数组

ones_array=np.ones((3,3))

print(ones_array)

1.4使用numpy.empty()创建数组

numpy.empty()用于创建一个未初始化的数组，其元素值是随机的，可以指定数组的形状。

1.4.1示例代码

#创建一个形状为(3,3)的未初始化数组

empty_array=np.empty((3,3))

print(empty_array)

1.5使用numpy.linspace()和numpy.logspace()创建数组

numpy.linspace()用于创建一个在指定区间内等间隔的数组，而numpy.logspace()则用于创建在对数尺度上等间隔的数组。

1.5.1示例代码

#创建一个在0到10之间，包含11个等间隔点的数组

linspace_array=np.linspace(0,10,11)

print(linspace_array)

#创建一个在10^1到10^5之间，对数尺度上等间隔的数组

logspace_array=np.logspace(1,5,5,base=10)

print(logspace_array)

2NumPy数组的属性

NumPy数组具有多种属性，这些属性提供了关于数组的详细信息，如形状、大小、数据类型和存储顺序。

2.1数组的形状与维度

数组的形状描述了数组的维度大小，可以通过shape属性获取。

2.1.1示例代码

#创建一个形状为(3,3)的数组

array=np.array([[1,2,3],[4,5,6],[7,8,9]])

print(数组的形状：,array.shape)

#创建一个一维数组

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

print(一维数组的形状：,one_dim_array.shape)

2.2数组的大小与数据类型

数组的大小是指数组中元素的总数，而数据类型则描述了数组中元素的类型，可以通过size和dtype属性获取。

2.2.1示例代码

#创建一个数组

array=np.array([1,2,3,4,5],dtype=np.float64)

print(数组的大小：,array.size)

print(数组的数据类型：,array.dtype)

2.3数