数据分析(1)-numpy

NumPy的ndarray

from numpy import*import numpy as npimport numpy.random as nprimport numpy.linalg as npl

创建ndarray

array               将输入数据（列表、元组、数组或其它序列类型）转换为ndarray。要么推断出dtype，要么显示指定dtype。默认直接复制输入数据。 asarray             将输入转换为darray，如果输入本身就是一个ndarray就不进行复制。   arange              类似于内置的range，但返回一个ndarray而不是列表。  ones, ones_like     根据指定形状和dtype创建一个全1数组。ones_like以另一个数组为参数，并根据其形状和dtype创建一个全1数组。   zeros, zeros_like   类似于ones和ones_like，只不过产生的是全0数组而已。    empty, empty_like   创建数组，只分配内存空间但不填充任何值。    eye, identity       创建一个正方的N * N单位矩阵

创建ndarray时指定dtype类型；使用astype显示转换类型

>>> import numpy as np>>> data = [6, 7.5, 8, 0, 1];arr = np.array(data)      #'使用普通一维数组生成NumPy一维数组'>>> arrarray([ 6. ,  7.5,  8. ,  0. ,  1. ])>>> arr.dtype                     # 打印元素类型dtype('float64')>>> data = [[1, 2, 3, 4], [5, 6, 7, 8]];arr = np.array(data)        # 使用普通二维数组生成NumPy二维数组>>> arrarray([[1, 2, 3, 4],       [5, 6, 7, 8]])>>> arr.shape         # 打印数组维度(2L, 4L)>>> np.zeros(10)      # 生成包含10个0的一维数组array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])>>> np.zeros((3, 6))  # 生成3*6的二维数组array([[ 0.,  0.,  0.,  0.,  0.,  0.],       [ 0.,  0.,  0.,  0.,  0.,  0.],       [ 0.,  0.,  0.,  0.,  0.,  0.]])>>> np.empty((2, 3, 2)) # 生成2*3*2的三维数组，所有元素未初始化