學習筆記，僅供參考，覺得哪里不錯就記哪里

學習書目：《python編程從數據分析到數據編程》–朝樂門;

參考自：numpy.random.randn()與rand()的區別;Python numpy.full函數方法的使用

---

文章目錄

• • • 隨機數
    • • 生成一個隨機數
      • 生成一個隨機數組
    • np.full方法
    • 形狀與重構
    • ndarray的拆分與合并
    • • 拆分
      • 合并
    • 插入與刪除
    • 缺失值處理
    • • 檢測缺失值
      • 在缺失值存在的情況下求和
    • ndarray的排序

---

隨機數

生成一個隨機數

輸入：

import random #設置隨機種子 random.seed(3) #生成一個[-10, 10]之間的隨機浮點數,并保留2位小數 round(random.uniform(-10, 10), 2) #生成[1, 100]之間的隨機整數 random.randint(1, 100) #生成[0.0, 1.0)之間的隨機浮點數 random.random()

輸出：

-5.24 70 0.13042279608514273

生成一個隨機數組

輸入：

import numpy as np #設置隨機種子 rand = np.random.RandomState(10) #生成3*4的隨機數組,范圍就是[0,10)內的整數 #生成在半開半閉區間[low,high)上離散均勻分布的整數值 rand.randint(0, 10, (3, 4)) #生成[0, 100]的隨機數組 #以給定的形狀創建一個數組，并在數組中加入在[0,1]之間均勻分布的隨機樣本。 rand.rand(10)*100 #生成等距數列 np.linspace(0, 10, 10) np.linspace(0, 10, 9)

輸出：

array([[9, 4, 0, 1],[9, 0, 1, 8],[9, 0, 8, 6]]) array([ 68.53598184, 95.33933462, 0.39482663, 51.21922634,81.26209617, 61.25260668, 72.17553174, 29.18760682,91.77741225, 71.45757834]) array([ 0. , 1.11111111, 2.22222222, 3.33333333,4.44444444, 5.55555556, 6.66666667, 7.77777778,8.88888889, 10. ]) array([ 0. , 1.25, 2.5 , 3.75, 5. , 6.25, 7.5 , 8.75, 10. ])

np.full方法

語法：

numpy.full(shape, fill_value, dtype=None, order='C')

• 參數解釋

參數含義

shape	參數值為整數或整數序列，新數組的形態，單個值代表一維，參數傳元組，元組中元素個數就代表是幾維，例如， (2, 3) or 2.
fill_value	參數值為標量(無向量)，表示填充數組的值
dtype	參數值為字符串型數據，表示填充數組的數據類型，默認值為None
order	參數值為可選項{‘C’, ‘F’},，在內存中以行為主（C風格）或列為主（Fortran風格）連續（行或列)順序存儲多維數據。

• 舉個例子

輸入：

np.full((2, 3), 5, 'int64', 'C')

輸出：

array([[5, 5, 5],[5, 5, 5]], dtype=int64)

形狀與重構

輸入：

import numpy as np array1 = np.arange(1, 21) id(array1) #查看形狀 array1.shape #利用reshape重構，返回另一個新的數組 reArray = array1.reshape(4, 5) reArray.shape id(reArray) #利用resize重構，更改數組本身，即就地修改 array1.resize(5, 4) array1 #轉置變換，返回另一個新的數組 array1.swapaxes(0, 1) #將多維數組轉換為1維數組，返回另一個新的數組 array1.flatten() #將多維數組轉換為嵌套列表，返回另一個新的列表 array1.tolist() #重新設定數組的數據類型，返回另一個新的數組 array1.astype(np.float)

輸出：

652802545664 (20,) (4, 5) 652802546784 array([[ 1, 2, 3, 4],[ 5, 6, 7, 8],[ 9, 10, 11, 12],[13, 14, 15, 16],[17, 18, 19, 20]]) array([[ 1, 5, 9, 13, 17],[ 2, 6, 10, 14, 18],[ 3, 7, 11, 15, 19],[ 4, 8, 12, 16, 20]]) array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,18, 19, 20]) [[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16],[17, 18, 19, 20]] array([[ 1., 2., 3., 4.],[ 5., 6., 7., 8.],[ 9., 10., 11., 12.],[ 13., 14., 15., 16.],[ 17., 18., 19., 20.]])

ndarray的拆分與合并

拆分

輸入：

import numpy as np array1 = np.array([1, 2, 3, 4, 5, 6, 7, 8]) #橫向拆分, split方法 x1, x2, x3 = np.split(array1, [3, 5]) x1, x2, x3 #縱向拆分 upper, lower = np.vsplit(array1.reshape(2, 4), [1]) #可以試試[0], [2], [3] upper lower

輸出：

(array([1, 2, 3]), array([4, 5]), array([6, 7, 8])) array([[1, 2, 3, 4]]) array([[5, 6, 7, 8]])

合并

輸入：

#數據的合并 np.concatenate((upper, lower), axis = 0) #axis = 0表示對列進行拼接,axis = 1表示對行進行拼接 #列拼接, 列數必須相等 np.vstack([upper, lower]) #行拼接，行數必須相等 np.hstack([upper, lower])

輸出：

array([[1, 2, 3, 4],[5, 6, 7, 8]]) array([[1, 2, 3, 4],[5, 6, 7, 8]]) array([[1, 2, 3, 4, 5, 6, 7, 8]])

插入與刪除

輸入：

import numpy as np array1 = np.array([1, 2, 3, 4, 5, 6, 7, 8]) #刪除某個位置的元素 np.delete(array1, 2) #在某個位置插入特定元素 np.insert(array1, 1, 10)

輸出：

array([1, 2, 4, 5, 6, 7, 8]) array([ 1, 10, 2, 3, 4, 5, 6, 7, 8])

缺失值處理

檢測缺失值

輸入：

import numpy as np array1 = np.array([1, 2, 3, 4, 5, 6, 7, 8]) #判斷數組的每個元素是否為缺失值 np.isnan(array1) #判斷數組中是否至少有一個缺失值 #any:一個為True則返回True np.any(np.isnan(array1)) #判斷數組中是否全都是缺失值 #any:全都為True則返回True np.all(np.isnan(array1))

輸出：

array([False, False, False, False, False, False, False, False], dtype=bool) False False

在缺失值存在的情況下求和

輸入：

import numpy as np array1 = np.array([1, 2, 3, np.nan]) #返回給定軸上的數組元素的和，將非數字(nan)處理為零。 np.nansum(array1) np.sum(array1)

輸出：

6.0 nan

ndarray的排序

輸入：

import numpy as np array1 = np.array([5, 4, 6, 3, 7]) #返回排序結果 np.sort(array1) #返回排序后的index np.argsort(array1) array2 = np.random.randint(0, 10, (3, 4)) array2 #分別對多維數組，按照行(1)和列(0)進行排序 np.sort(array2, axis = 1) np.sort(array2, axis = 0)

輸出：

array([3, 4, 5, 6, 7]) array([3, 1, 0, 2, 4], dtype=int64) array([[6, 6, 5, 0],[6, 0, 1, 1],[6, 6, 3, 5]]) array([[0, 5, 6, 6],[0, 1, 1, 6],[3, 5, 6, 6]]) array([[6, 0, 1, 0],[6, 6, 3, 1],[6, 6, 5, 5]])

總結

以上是生活随笔為你收集整理的python从数分到数编(part2)--随机数及数组的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。