python数据分析基础003 -numpy的使用(详解)
文章目录
- 🍇前言
- 🎈(一)numpy基础介绍
-
- 🎆1.什么是numpy
- 🎇2.为什么要学习numpy
- ✨3.numpy的应用
- 🎉4.numpy的安装
- 🎊5.numpy库的导入
- 🎃(二)numpy创建数组(矩阵)
-
- 🎄1.创建数组(array)
- 🎋2.数据类型(dtype)
- 🎍3.数据类型的操作
-
- 🎎3.1 定义数据类型
- 🎐3.2 调整数据类型
- 🎑3.3 保留n位小数
- 🎀(三)数组的计算
-
- 🎁1.查看数组形状
-
- 🎗1.1 创建一维数组
- 🎠1.2 创建二维数组
- 🎡1.3 创建三维数组
- 🎢2. 修改数组形状
-
- 🎪2.1 将1维数组变为3维数组
- 🎭2.2 将3维数组变到1维数组
- 🎨3.数组的计算
-
- 🎰3.1 数组与数字的计算
-
- 🛒3.1.1 加法
- 🧣3.1.2 减法
- 🧤3.1.3 乘法
- 🧥3.1.4 除法
- 🧥3.2 数组与数组的计算
-
- 💎3.2.1 广播原则
- ⚽3.2.2 加法
- 🏀3.2.2 减法
- 🏅3.2.2 乘法
- 💉3.2.2 除法
- ⚒结语
🐚作者简介: 苏凉(在python路上)
🐳博客主页: 苏凉.py的博客
👑名言警句: 海阔凭鱼跃,天高任鸟飞。
📰要是觉得博主文章写的不错的话,还望大家三连支持一下呀!!!
👉关注✨点赞👍收藏📂
🍇前言
numpy通常可以和matplotlib一起使用。两者相结合可以更有效的帮助我们进行数据的分析。
接下来我们一起进入python的科学计算基础库numpy的学习吧。
前期回顾:matplotlib绘制数据可视化图形
🎈(一)numpy基础介绍
🎆1.什么是numpy
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
🎇2.为什么要学习numpy
NumPy 是一个运行速度非常快的数学库,主要用于数组计算,包含:
1.一个强大的N维数组对象 ndarray
2.广播功能函数
3.整合 C/C++/Fortran 代码的工具
4.线性代数、傅里叶变换、随机数生成等功能
✨3.numpy的应用
NumPy 通常与 SciPy(Scientific Python)Matplotlib(绘图库)一起使用, 这种组合广泛用于替代MatLab,是一个强大的科学计算环境,有助于我们通过 Python 学习数据科学或者机器学习。
🎉4.numpy的安装
pip install numpy -i https://www.pypi.douban.com/simple
🎊5.numpy库的导入
import numpy as np
🎃(二)numpy创建数组(矩阵)
注:Python 没有内置对数组的支持,但可以使用 Python 列表代替。
🎄1.创建数组(array)
使用array的三种方法创建数组,返回的数组类名为numpy.ndarray类
a = np.array([5,6,7,8,9]) b = np.array(range(5,10)) c = np.arange(5,10) print(a,type(a)) print(b,type(b)) print(c,type(c)) # 结果:[5 6 7 8 9]
🎋2.数据类型(dtype)
使用dtype方法可以返回数据类型
print(a.dtype,b.dtype,c.dtype) # 结果:int32 int32 int32
附:numpy中常见的数据类型:
🎍3.数据类型的操作
🎎3.1 定义数据类型
使用dtype参数指定数据类型
x1 = np.array(range(5,10),dtype = 'float')print(x1,x1.dtype)# 结果: [5. 6. 7. 8. 9.] float64
bool类型返回true和false
x2 = np.array([0,1,1,0,1,0,1],dtype=bool) print(x2,x2.dtype) # 结果:[False True True False True False True] bool
🎐3.2 调整数据类型
调整数据类型用到astype方法,可以将原数据类型调整到我们想要的数据类型
x3 = np.array(range(5,10),dtype = 'int8') x4 = x3.astype('int32') print(x3.dtype,x4.dtype)# 结果:int8 int32
🎑3.3 保留n位小数
在numpy中保留n位小数用到的是round方法
例:保留3位随机小数
x5 = random.random() x6 = np.round(x5,3) print(x6) # 结果:0.313
🎀(三)数组的计算
数组分为一维数组,二维数组和多维数组。接下来就让我们一起看看在numpy中如何对数组进行操作的吧!!
🎁1.查看数组形状
shape()方法查看数组形状可以判断出这是几维数组
🎗1.1 创建一维数组
a = np.array(range(13))print(a,a.shape)
结果:
🎠1.2 创建二维数组
a1 = np.array([[1,2,3],[4,5,6],[7,8,9]])print(a1)print(a1.shape)
结果:
🎡1.3 创建三维数组
a2 = np.array([[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]])print(a2)print(a2.shape)
结果:
可以看出shape方法返回的值中有多少个该数组就是几维数组。
🎢2. 修改数组形状
在numpy中用reshape()方法修改数组的形状可以将n维数组修改到m维数组。
🎪2.1 将1维数组变为3维数组
a3= np.array(range(24))print(a3.shape) #原a3为1维数组a4 = a3.reshape(2,3,4)print(a4)print(a4.shape)
结果:
🎭2.2 将3维数组变到1维数组
a5 = a4.reshape(24,)print(a5)print(a5.shape)
结果:
在numpy中将多维数组变到1维数组还有一种方法,那就是flatten()方法,这种方法适用于我们不知道有多少个数组元素时使用。
a5 = a4.flatten()print(a5)print(a5.shape)
结果和上面相同。
🎨3.数组的计算
🎰3.1 数组与数字的计算
🛒3.1.1 加法
数组内的每个元素都加上这个数。
import numpy as npa = np.array(range(24))b = a.reshape(4,6)print(b)print(b+1)
结果:
🧣3.1.2 减法
数组内的每个元素都减去这个数。
import numpy as npa = np.array(range(24))b = a.reshape(4,6)print(b)print(b-1)
结果:
🧤3.1.3 乘法
数组内的每个元素都乘以这个数。
import numpy as npa = np.array(range(24))b = a.reshape(4,6)print(b)print(b*2)
结果:
🧥3.1.4 除法
数组内的每个元素都除以这个数。
import numpy as npa = np.array(range(24))b = a.reshape(4,6)print(b)print(b/2)
结果:
特殊情况:当数组的元素除以0时,0/0返回的值时nan,而非0元素/0时返回的值为inf。
🧥3.2 数组与数组的计算
前提:两数组的元素应该相同(当多维与一维计算时,应保证一维数组与多维数组的行或列相同)
💎3.2.1 广播原则
如果两个数组的后缘维度(trailing dimension,即从末尾开始算起的维度)的轴长度相符或其中一方的长度为1,则认为它们是广播兼容的。广播会在缺失和(或)长度为1的维度上进行。
通俗的来说就是当两数组的shape的值从末尾开始,若两数组的值相同或其中有一个的值为1,则这两个数组可以进行计算(加减乘除)。
⚽3.2.2 加法
俩数组内的每个元素对应相加。
import numpy as npa = np.array(range(24))a1 = np.array(range(40,64))b = a.reshape(4,6)b1 =a1.reshape(4,6)print(b)print(b1)print(b+b1)
结果:
🏀3.2.2 减法
俩数组内的每个元素对应相减。
import numpy as npa = np.array(range(24))a1 = np.array(range(40,64))b = a.reshape(4,6)b1 =a1.reshape(4,6)print(b)print(b1)print(b1-b)
结果:
🏅3.2.2 乘法
俩数组内的每个元素对应相乘。
import numpy as npa = np.array(range(24))a1 = np.array(range(40,64))b = a.reshape(4,6)b1 =a1.reshape(4,6)print(b)print(b1)print(b1*b)
结果:
💉3.2.2 除法
俩数组内的每个元素对应相除。
import numpy as npa = np.array(range(24))a1 = np.array(range(40,64))b = a.reshape(4,6)b1 =a1.reshape(4,6)print(b)print(b1)print(b1/b)
结果:
总结:数组的计算可根据数学中矩阵运算法则来理解
⚒结语
好啦,今天的内容就是这样,希望看到这篇文章的小伙伴们能有所收获。最后,如果你觉得这篇文章可以的话,三连支持一下吧,我是苏凉,咱们下期再见!!