利用Python进行数据分析第一天

numpy的核心特征之一就是N-维数组对象-ndarray，我们使用标准的NumPy导入方式 “import numpy as np”

ndarray数组的特点：1 数组元素类型相同；2 有shape属性；3 有dtype属性

关于生成ndarray：嵌套序列，例如同等长度的列表，将会自动转换成多维数组

data=[[1,2,3,4],[5,6,7,8]]

arr=np.array(data)

arr显示为：array([1,2,3,4],[5,6,7,8])

np.zeros():可以一次性创建全0⃣️数组

np.ones():可以一次性创建全1⃣️数组

np.empty():可以创建没有初始化数值的数组

NumPy的默认数据类型是float64

使用astype()方法强制转换数组类型

arr=np.array([1,2,3,4,5])

arr.dtype显示为：dtype(‘int64’)

float_arr=arr.astype(np.float64) 整数转换为了浮点数

如果将浮点数转换为整数，则小数点后面的部分将被消除

使用astype进行数组数据类型转换时，其实是生成一个新的数组，即使你转换的数据类型和之前的一样

NumPy的算数操作，任何在两个同尺寸数组之间的算数操作都是逐元素操作

切片其实是数组的一个视图，所以数组切片的修改其实是在修改原数组。

想要拷贝一个数组切片，要使用arr[5:8].copy()的方法

在二维数组中，每个索引值对应的元素不再是一个值，而是一个一维数组

索引和切片混合使用时，可以得到低维度的切片

例如：arr2d显示为：array([[1,2,3],[4,5,6],[7,8,9]])

则arr2d[1,:2]显示为：array([[2,3],[5,6]])

在对切片表达式赋值时，整个切片都会重新赋值

布尔索引，使用布尔索引选取数据时，总是生成数据的拷贝神奇索引，使用整数数组进行数据索引，这个索引数组是轴的索引号，也总是生成数据的拷贝

Wuhao' Blogs