数据分析python中的常用numpy数组

简介: 数据分析python中的常用numpy数组

1 numpy介绍

numpy是同数据类型的多维数组,各个维度被称为轴(axes),轴的总数被称为秩(rank)
使用前需先导入numpy

import numpy as np

ndarray.dim 维度

ndarray.shape 行列数

ndarray.dtype 类型

ndarray.size 元素个数

ndarray.itemsize #一个字符字节数

ndarray.data 数据

2 Ipython notebook中的演示

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
上图里面介绍几点
dtype类型是复数类型
no.zeros((3,4))里面传的参数类型是元组tuple类型,表示3行4列

在这里插入图片描述
np.empty((2,3,4))出现的数字不是,是随机的数字
np.arange(10,30,5)表示从10开始,30结束,左开右闭,步长为5的数组
np.arange((0,2,0.3)同上
np.linspace((0,2,9))9是长度

在这里插入图片描述
在这里插入图片描述
np.arange(6)是从0到6(不包括6)的数组,类似R里面的向量

3数组乘法

在这里插入图片描述
一个数字乘以np数组是广播变量相乘的形式

在这里插入图片描述
a<35也是广播的比较方式
矩阵乘法要使用A.dot(B) or np.dot(A,B)

在这里插入图片描述
在这里插入图片描述
注意一点:
直接使用np.exp(B)等方法出现的结果是未保存的,想要保存可以赋值保存运算结果例如a=np.exp(B)赋值保存

在这里插入图片描述
截断类似python编程
在这里插入图片描述
-1000不能开方,返回nan

在这里插入图片描述
c[1,...]...代表其余维度
在这里插入图片描述
floor向下取整

在这里插入图片描述
a.T是矩阵a的转置
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
赋值地址不变
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
a[:,j]分别返回每一行,j列标的数字
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
a[b1,b2]是广播下方式索引

在这里插入图片描述
np._ix产生的是笛卡尔积映射

在这里插入图片描述
在这里插入图片描述

目录
相关文章
|
14天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
41 0
|
8天前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
19 2
|
14天前
|
存储 数据处理 Python
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第27天】在科学计算和数据分析领域,Python凭借简洁的语法和强大的库支持广受欢迎。NumPy和SciPy作为Python科学计算的两大基石,提供了高效的数据处理和分析工具。NumPy的核心功能是N维数组对象(ndarray),支持高效的大型数据集操作;SciPy则在此基础上提供了线性代数、信号处理、优化和统计分析等多种科学计算工具。结合使用NumPy和SciPy,可以显著提升数据处理和分析的效率,使Python成为科学计算和数据分析的首选语言。
22 3
|
15天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
29 2
|
15天前
|
存储 机器学习/深度学习 算法
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第26天】NumPy和SciPy是Python科学计算领域的两大核心库。NumPy提供高效的多维数组对象和丰富的数学函数,而SciPy则在此基础上提供了更多高级的科学计算功能,如数值积分、优化和统计等。两者结合使Python在科学计算中具有极高的效率和广泛的应用。
31 2
|
20天前
|
数据采集 数据可视化 数据挖掘
R语言与Python:比较两种数据分析工具
R语言和Python是目前最流行的两种数据分析工具。本文将对这两种工具进行比较,包括它们的历史、特点、应用场景、社区支持、学习资源、性能等方面,以帮助读者更好地了解和选择适合自己的数据分析工具。
23 2
|
6天前
|
并行计算 数据挖掘 大数据
Python数据分析实战:利用Pandas处理大数据集
Python数据分析实战:利用Pandas处理大数据集
|
6天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
8天前
|
数据采集 数据可视化 数据挖掘
使用Python进行数据分析和可视化
【10月更文挑战第33天】本文将介绍如何使用Python编程语言进行数据分析和可视化。我们将从数据清洗开始,然后进行数据探索性分析,最后使用matplotlib和seaborn库进行数据可视化。通过阅读本文,你将学会如何运用Python进行数据处理和可视化展示。
|
20天前
|
数据采集 机器学习/深度学习 数据可视化
深入浅出:用Python进行数据分析的入门指南
【10月更文挑战第21天】 在信息爆炸的时代,掌握数据分析技能就像拥有一把钥匙,能够解锁隐藏在庞大数据集背后的秘密。本文将引导你通过Python语言,学习如何从零开始进行数据分析。我们将一起探索数据的收集、处理、分析和可视化等步骤,并最终学会如何利用数据讲故事。无论你是编程新手还是希望提升数据分析能力的专业人士,这篇文章都将为你提供一条清晰的学习路径。

热门文章

最新文章