numpy和padnas

numpy基础

数组创建

1 # 创建一个二维数组
2 import numpy as np
3 tang_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
4 tang_array.shape
5 tang_array.size

 图1-1 打印数组行列数以及元素个数

数组切片

数组切片，逗号左边表示对行进行处理，逗号右边对列进行处理,冒号表示对所有行或者列进行处理.这种切片方式对dataframe无效.

1 # 第0行，前两个元素
2 tang_array[0, 0:2]
3 # 所有行，第二列数据
4 tang_array[:, 1]

数组复制

直接用'='复制，改变新数组原数组也会对应变化，如果希望原数组不受新数组影响，可以使用copy函数复制.

1 tang_array1 = tang_array
2 tang_array2 = tang_array.copy()

构造数组

如果遇到逻辑判断，将数组对应元素进行逻辑判断，返回新数组。

1 # 构造一个等差数组
2 arange_array = np.arange(0, 100, 10)
3 # 构造一个10个数的随机数组
4 random_array = np.random.rand(10)
5 mask = random_array > 0.5

 　　　　　　　　　　图 1-2 mask数组

改变数组类型

1 import numpy as np
2 tang_array = np.array([1, 2, 3, 4, 5],dtype=np.int32)
3 # 不影响原数组
4 arr2=tang_array.astype(np.float32)

numpy运算

求和

求和可以写成np.sum(),也可以写成arr.sum()

1 import numpy as np
2 tang_array = np.array([[1, 2, 3], [4, 5, 6]])
3 np.sum(tang_array)

 　图2-1 数组所有元素和

指定维度求和

1 # 竖着求和
2 np.sum(tang_array,axis=0)
3 # 横着求和
4 np.sum(tang_array,axis=1)

 　　图 2-2 横竖求和

 

标签：tang,sum,padnas,数组,np,array,numpy
来源： https://www.cnblogs.com/ld66/p/15366365.html