【Python】数据分析:numpy

简介: 【Python】数据分析:numpy

什么是numpy?

一个在Python中做科学计算的基础库,重在数值计算也是大部分PYTHON科学计算库的基础库,多用于在大型多维数组上执行数值运算

基础用法

  • np.array(list):创建numpy的数组
  • np.array(range(start,end,step):在array里面创建数组
  • np.arange(start,end,step):相当于np.array(range(start,end,step)
  • ndarray.dtype:数组内存放数据的类型
  • np.array(range(start,end,step),dtype=type):指定数据类型,数据类型的代码如下图所示
  • ndarray.astype:调整数据类型
  • np.round(ndaaray,n):取n位小数

    数据类型的代码.png

import numpy as np
import random
arr01 = np.array([1,2,3])
print(arr01)
print(type(arr01))
arr02 = np.array(range(2,9))
print(arr02)
print(type(arr02))
arr03 = np.arange(2,10,2)
print(arr03)
print(type(arr03))
print(arr03.dtype)
arr04 = np.array(range(1,10),dtype='i1')
print(arr04,arr04.dtype)
# arr05=np.array([0,0,1,1,0,1],dtype='bool')
arr05=np.array([0,0,1,1,0,1],dtype=np.bool_)
print(arr05,type(arr05))
arr06=arr05.astype('i1')
print(arr06,type(arr06))
t1 = np.array([random.random() for i in range(10)])
print(np.round(t1,2))

运行结果.png

02 - 基础语法2

  • array.shape:数组的形状
  • array.reshape(n,m,v,...):改变数组的形状
  • array.flatten():展开数组

import numpy as np
t1 = np.arange(12)
print(t1,t1.shape)
t2 = t1.reshape(3,4)
print(t2)
t3 = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
print(t3)
print(t3.shape)


目录
相关文章
|
8天前
|
机器学习/深度学习 数据采集 数据可视化
Python 数据分析:从零开始构建你的数据科学项目
【10月更文挑战第9天】Python 数据分析:从零开始构建你的数据科学项目
22 2
|
8天前
|
机器学习/深度学习 数据可视化 算法
使用Python进行数据分析:从零开始的指南
【10月更文挑战第9天】使用Python进行数据分析:从零开始的指南
22 1
|
8天前
|
数据采集 数据可视化 数据挖掘
使用Python进行高效的数据分析
【10月更文挑战第9天】使用Python进行高效的数据分析
13 1
|
8天前
|
数据采集 机器学习/深度学习 数据挖掘
如何使用Python进行高效的数据分析
【10月更文挑战第9天】如何使用Python进行高效的数据分析
16 1
|
5天前
|
数据采集 数据可视化 数据挖掘
使用Python进行数据处理与可视化——以气温数据分析为例
【10月更文挑战第12天】使用Python进行数据处理与可视化——以气温数据分析为例
56 0
|
5天前
|
数据挖掘 索引 Python
Python数据分析篇--NumPy--进阶
Python数据分析篇--NumPy--进阶
8 0
|
5天前
|
数据挖掘 索引 Python
Python数据分析篇--NumPy--入门
Python数据分析篇--NumPy--入门
16 0
|
6天前
|
数据采集 数据挖掘 数据库
你还不会用python进行数据分析吗
你还不会用python进行数据分析吗
15 0
|
1月前
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
41 1
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
数据可视化大不同!Python数据分析与机器学习中的Matplotlib、Seaborn应用新视角!
在数据科学与机器学习领域,数据可视化是理解数据和优化模型的关键。Python凭借其强大的可视化库Matplotlib和Seaborn成为首选语言。本文通过分析一份包含房屋面积、卧室数量等特征及售价的数据集,展示了如何使用Matplotlib绘制散点图,揭示房屋面积与售价的正相关关系;并利用Seaborn的pairplot探索多变量间的关系。在机器学习建模阶段,通过随机森林模型展示特征重要性的可视化,帮助优化模型。这两个库在数据分析与建模中展现出广泛的应用价值。
41 2