1，Numpy基礎數據結構

2，Numpy通用函數

3，Numpy索引及切片

4，Numpy隨機數

5，Numpy數據的輸入輸出

1，Numpy基礎數據結構

NumPy數組是一個多維數組對象，稱為ndarray。其由兩部分組成：

① 實際的數據

② 描述這些數據的元數據

[1 2 3 4 5 6 7]
1
(7,)
7
int32
4

Out[1]:

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

# 創建數組：array()函數，括號內可以是列表、元祖、數組、生成器等

# 創建數組：arange()，類似range()，在給定間隔內返回均勻間隔的值。

# 創建數組：linspace():返回在間隔[開始，停止]上計算的num個均勻間隔的樣本。

# 創建數組：zeros()/zeros_like()/ones()/ones_like()

[ 0. 0. 0. 0. 0.] float64
[[0 0]
[0 0]] int32
------
[[0 1 2 3 4]
[5 6 7 8 9]]
[[0 0 0 0 0]
[0 0 0 0 0]]
------
[ 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]]
[[1 1 1 1 1]
[1 1 1 1 1]]

# 創建數組：eye()

ndarray的數據類型

bool 用一個字節存儲的布爾類型(True或False)

inti 由所在平臺決定其大小的整數(一般為int32或int64)

int8 一個字節大小，-128 至 127

int16 整數，-32768 至 32767

int32 整數，-2 ** 31 至 2 ** 32 -1

int64 整數，-2 ** 63 至 2 ** 63 - 1

uint8 無符號整數，0 至 255

uint16 無符號整數，0 至 65535

uint32 無符號整數，0 至 2 ** 32 - 1

uint64 無符號整數，0 至 2 ** 64 - 1

float16 半精度浮點數：16位，正負號1位，指數5位，精度10位

float32 單精度浮點數：32位，正負號1位，指數8位，精度23位

float64或float 雙精度浮點數：64位，正負號1位，指數11位，精度52位

complex64 復數，分別用兩個32位浮點數表示實部和虛部

complex128或complex 復數，分別用兩個64位浮點數表示實部和虛部

2，Numpy通用函數

# 數組形狀：.T/.reshape()/.resize()

[0 1 2 3 4 5 6 7 8 9]
[0 1 2 3 4 5 6 7 8 9]
[[ 1. 1.]
[ 1. 1.]
[ 1. 1.]
[ 1. 1.]
[ 1. 1.]]
[[ 1. 1. 1. 1. 1.]
[ 1. 1. 1. 1. 1.]]
------
[0 1 2 3 4 5 6 7 8 9]
[[0 1 2 3 4]
[5 6 7 8 9]]
[[ 0. 0. 0. 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0. 0. 0. 0.]]
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
------
[[0 1 2 3]
[4 0 1 2]
[3 4 0 1]]

# 數組的復制

# 數組類型轉換：.astype()

# 數組堆疊

# 數組拆分?

# 數組簡單運算

3，Numpy索引及切片

# 基本索引及切片

[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
4
[3 4 5]
----------------------------------------------------
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]] 數組軸數為2
[ 8 9 10 11] 數組軸數為1
9
[[ 4 5 6 7]
[ 8 9 10 11]] 數組軸數為2
10
[[1 2 3]
[5 6 7]]
----------------------------------------------------
[[[0 1]
[2 3]]
[[4 5]
[6 7]]] 數組軸數為3
[[0 1]
[2 3]] 數組軸數為2
[0 1] 數組軸數為1
1 數組軸數為0

# 布爾型索引及切片

[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[ True False True]
[ True True False False]
[[ 0 1 2 3]
[ 8 9 10 11]]
[[0 1]
[4 5]
[8 9]]
[[False False False False]
[False False True True]
[ True True True True]]
[ 6 7 8 9 10 11]

# 數組索引及切片的值更改、復制

4，Numpy隨機數

numpy.random包含多種概率分布的隨機樣本，是數據分析輔助的重點工具之一

# 隨機數生成

5，?Numpy數據的輸入輸出

numpy讀取/寫入數組數據、文本數據

總結

以上是生活随笔為你收集整理的numpy 随机数_数据分析numpy基础看着一篇就够了的全部內容，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。