今天我们学习python数据分析中一个很有用的模块NumPy,NumPy是使用Python进行科学计算的基础包。它包含其他内容:
除了明显的科学用途外,NumPy还可以用作通用数据的高效多维容器。可以定义任意数据类型。这使NumPy能够无缝快速地与各种数据库集成。
以上为在Jupyter Notebook中进行的代码运行截图,具体代码如下:
# 创建numpy数组import numpy as npprint(np.__version__)#使用np.array()创建数组array = np.array([1,2,3])array#查看数据类型,是numpy的ndarrayprint(type(array))# ### 使用shape属性显示数组的大小。# ### 这是一个整数元组,表示每个维度中数组的大小。# 对于具有n行和m列的矩阵,形状将为(n,m)。array.shape#接下来创建一个多维的数组arr = np.array([[1,2,3],[4,5,6]])arr#打印shape结果为一个2行三列的矩阵数组arr.shape#获取数组元素arr[0,1]#使用size打印数组元素大小arr.size#将一个普通的list转换为nmupy的数组#list中的元素类型为不一样的list1 = ['hello',1,True]arr = np.array(list1)arr# 从上面的结果看出,不会出现异常,# np将普通的list中元素统一转换成string#使用ndim查看数组的尺寸大小arr.ndim#数组中添加元素arr = np.append(arr,99)arr#删除元素arr = np.delete(arr,1)arr