numpy和padnas
作者:互联网
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