四、numpy的使用(三)

还是按照我们之前的教程,先打开jupyter notebook,然后输入:

import numpy as np

lst=[1,2,3,4]

data=np.array(lst)

然后呢我们在这个代码下面输入:

data.size

结果是:

4

由此我们可以得知,size是用来查看array里面有多少个元素的,比如我们这个array里面的元素有1、2、3、4,所以结果是4.

现在我们来讲一些非常好用的东西

np.zeros(2)

结果是:

array([0., 0.])

这里zero是0的意思,那么意思就是你创造出来的array都是0。我们这里括号里面是2,所以创造的是带有两个0的array。

如果你要创造二维的array的话,那么就要注意了一个小细节了:

np.zeros([2,3])

要注意,如果你要创造多维的array的话,要圆括号里面要加上一个方括号才可以。

结果是:

array([[0., 0., 0.], [0., 0., 0.]])

同样的,除了zeros以外,还有ones,用法和zeros一样。

看下面这个例子:

eg=[[1,2,3,4],[11,22,33,44],[111,222,333,444],[1111,2222,3333,4444]]

eg_arr=np.array(eg)

eg_arr

结果是:

array([[ 1, 2, 3, 4], [ 11, 22, 33, 44], [ 111, 222, 333, 444], [1111, 2222, 3333, 4444]])

我们从中可以看到,这是一个多维的array。

np.zeros_like()

用这个zeros_like可以轻松创造出任何你想复制的维度。比如说:

np.zeros_like(eg_arr)

结果是:

array([[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]])

可能很多人会有疑惑,创建这么多0干什么?

我们做数据分析很多时候是先创造一个合适的框架,然后再根据情况慢慢的往里面填充和更改数据,这样就可以大大的提高效率。

概念不多,但是都是很实用的东西,掌握下来把!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180729G1EDZM00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券