python数据结构：numpy

# 生成指定维度的随机数组

data = np.random.rand(,) #随机生成一个3行4列的随机数组

print(data)

print(type(data))   #数据结构是：<class 'numpy.ndarray'>

[[0.9866426 0.54835475 0.69859764 0.32483656]
[0.27492952 0.23119927 0.97028605 0.08145471]
[0.28869387 0.2712937 0.91773528 0.95094582]]

# 打印出数组的各个属性
print('数组的维数',data.ndim)  #number of dimension  数组的维数  
print('数组的大小',data.shape)   #描述数组各维度的大小      (3,4)
print('数据类型',data.dtype)     #描述数组的数据类型     float

# 将list转换为二维数组

list = range(,)

data = np.array(list)   #实现将python列表的数据结构转换为np的array的数据结构

print(data)   #[         ]

print(type(data))   #<class 'numpy.ndarray'>

print(data.ndim)   #

print(data.shape)   #(,)

print(data.dtype)   #int32

#将嵌套序列转换为ndarray

l1 = [range(),range()]

data = np.array(l1)

print('数据类型',type(data))

print('数据的维度的大小为：',data.shape)

print('数组的维数为：',data.ndim)

#np.zeros np.ones 和np.empty

#np.zeros

zeros_arr = np.zeros((,),dtype=float)   #生成一个3行4列的全0数组 ，其中的数据类型是int

print('zeros_arr',zeros_arr)

ones_arr = np.ones((,),dtype=float)    #生成一个3行4列的全1数组数据类型为float类型

print('ones_arr',ones_arr)

empty_arr = np.empty((,))

print('empty_arr',empty_arr)

empty_int_arr = np.empty((,),dtype=int)

print('empty_int_arr',empty_int_arr)

print(np.arange())   #生成0到9的数组

print(type(np.arange()))   #数据类型是numpy.ndarray的数据类型

zero_float_arr = np.zeros((,),dtype=np.float)

print(zero_float_arr)

print(type(zero_float_arr))   #数组的数据类型是numpy.ndarray

print(zero_float_arr.dtype)    #

# 使用astype做数据类型的转换
zero_int_arr = zero_float_arr.astype(np.int)
print(type(zero_int_arr))
print(zero_int_arr.dtype)

arr = np.array([[,,],[,,]])　　#生成一个列表，使用np.array方法将一个列表转换为np.array

print(arr)

print(type(arr))   #打印出数组的数据类型

print(arr.dtype)　　#打印出数据类型

#产生一个2行3列的二维矩阵

arr = np.array([[,,],[,,]])

print(arr)

print(type(arr))

print(arr.dtype)

# 将矩阵进行相乘的运算，这个地方要注意，直接将矩阵进行乘法运算，是将矩阵中元素进行位置上的乘法运算

print('矩阵中的元素相乘arr*arr',arr*arr)

#将矩阵进行加法的运算

print('arr+arr',arr+arr)

# 实现矢量与标量的运算，矢量与标量运算的时候需要进行广播

print('1/arr=\n',./arr)   #矩阵的除法

print('2*arr=\n',*arr)

arr1 = np.arange()   #产生一个10个元素的数组

print(type(arr1))    #数据结构仍然是numpy.ndarray

print(arr1.dtype)   #元素的数据类型仍然是int32类型

print(arr1)     #

print(arr1[:])   #切片操作 ，左闭右开的切片

arr2 = np.arange(12).reshape(3,4)   #产生一个3行4列的二维数组
print(arr2)
print(arr2[1])    #切片操作，切出数组中第一行的数据，出数组的第一行
print(arr2[0:2,1:])  #切片操作，切除第0行第一行以及第一列之后的数组
print(arr2[:,1:3])  #切片操作，切出所有的行，以及第1列，第2列的数据

#找出data_arr中2015年以后的数据

data_arr = np.random.rand(,)   # 创建一个3行3列的二维随机数组

print('data_arr \n',data_arr)

year_arr = np.array([[,,],[,,],[,,]])

print('year_arr \n',year_arr)

filtered_arr=data_arr[year_arr>]

print('filtered_arr \n',filtered_arr)

#多条件索引

#多个条件索引
filtered_arr = data_arr[(year_arr<=2005) & (year_arr%2==0)]   #打印出年份小于2005年并且为偶数年份的数据
# print(year_arr[(year_arr<=2005) & (year_arr%2==0)])
print('filtered_arr',filtered_arr)

arr1 = np.random.rand(,)  #生成一个2行3列的二维数组

print('arr1=\n',arr1)

print('arr1数组的转置为:\n',arr1.transpose())

#3维矩阵

arr3d = np.random.rand(,,)

print('arr3d=\n',arr3d)

print('================================')

print(arr3d.transpose((,,)))

arr = np.random.randn(,)   #生成量行3列的随机数组

print(arr)

print('np.floor(arr)=\n',np.floor(arr))

print('np.rint(arr)=\n',np.rint(arr))

print('np.isnan(arr)=\n',np.isnan(arr))

#np.where

arr1 = np.random.rand(,)

print(arr1)

print(np.where(arr1>0.5,,-))

arr1 = np.random.rand(,)

print('arr1=\n',arr1)

print('np.sum(arr1)=\n',np.sum(arr1))  #对数组进行求和

print('np.sum(arr1),axis=0',np.sum(arr1,axis=))   #在列的方向进行求和

print('np.sum(arr1),axis=1',np.sum(arr1,axis=))   #在行的方向进行求和

arr1 = np.random.randn(,)

print(arr1)

print(np.any(arr1>))

print(np.all(arr1>))

[[-0.03475223 0.21371993 0.84167799]
[ 1.60330052 0.02812848 1.37971765]]
True
False

arr1 = np.array([[,,],[,,]])

print('arr1',arr1)

print('np.unique(arr1)',np.unique(arr1))