python数据分析之NUMPY基础01

如下操做都须要导入numpy模块（没有该模块的须要安装）

from numpy import *

1. 建立数组：

   建立一维数组：>>>a=arange(5)  此时a就是一维数组。

   建立多维数组：>>>a=array([[1,2,3],[4,5,6]])  此时a就是二维数组

2. 获取数组的数据类型：

   Numpy数组通常是同质的，即数组中全部元素类型必须是一致的。

   >>>a.dtype

   dtype(int32)

3. 肯定数组的维数：

   >>>a

   array([0,1,2,3,4])

   >>>a.shape

   (5,)

   shape返回一个元组，元组的元素即为numpy数组中每个维度上的大小。因为a为一维数组，因此a.shape为包含一个元素的元组。

   选取数组元素：

   首先建立一个二维数组：

   >>>a=array([[1,2,3],[4,5,6]])

   选取数组中的某元素，能够采用a[m][n]，也能够采用a[m,n]

   >>>a[0][1]

   2

   >>>a[0,1]

   2

   Numpy数据类型：

   Numpy提供了不一样精度的数据类型，而且它们占用的内存空间也是不一样的。在numpy中，大部分数据类型名是以数字结尾的，这个数字表示其在内存中占用的位数：

   类型	描述
   bool	用一位存储的布尔类型，值为True或False
   inti	由所在平台决定其精度的整数，通常为int32或int64
   int8	整数，范围为-128-127
   int16	整数，范围为-32768-32767
   int32	整数，范围为-2的31次到2的31次减1
   int64	整数，范围为-2的63次到2的63次减1
   uint8	无符号整数，范围为0-255
   uint16	无符号整数，范围为0-65535

   
   

   类型	描述
   uint32	无符号整数，范围为0到2的32次减1
   uint64	无符号整数，范围为0到2的64次减1
   float16	半精度浮点数，其中用1位表示正负，5位表示指数，10位表示尾数
   float32	半精度浮点数，其中用1位表示正负，8位表示指数，23位表示尾数
   float64或float	双精度浮点数，其中用1位表示正负，11位表示指数，52位表示尾数
   complex64	复数，分别用两个32位浮点数表示实部和虚部
   complex128或complex	复数，分别用两个64位浮点数表示实部和虚部

4. 建立自定义数据类型：

   >>>t=dtype([('name',str,30),('age',int32),('salary',float32)])

   查看数据类型：

   >>>t['name']

   在建立自定义的数据的数组时，须要在参数中指定数据类型，不然所建立的数组会自动将数组中的元素统一为同一类型（例如，数组中既有字符串也有整数，则会统一为字符串）。

   >>>items=array([('zhangsan',20,2000.0),('lisi',32,6754.1),('wangwu',32,4567.0)],dtype=t)

   >>>items[0]

   ('zhangsan',20,2000.0)