头哥：Python 数据分析之 2 —— Numpy 统计，第1关：创建特定形态的 ndarray 数组

好的，让我们开始吧！

首先，我们需要导入Numpy库：

import numpy as np

在Numpy中，我们可以使用`np.array()`函数来创建数组。要创建特定形态的数组，我们可以使用以下函数：

- `np.zeros(shape)`：创建一个给定形状并且元素都是0的数组。
- `np.ones(shape)`：创建一个给定形状并且元素都是1的数组。
- `np.full(shape, value)`：创建一个给定形状并且元素都是给定值的数组。
- `np.eye(N)`：创建一个N x N的单位矩阵。
- `np.random.random(shape)`：创建一个给定形状并且元素都是随机值的数组。

其中，`shape`参数可以是一个整数、一个元组或一个列表，用于指定数组的形状。例如：

# 创建一个3行4列的全0数组
zeros_array = np.zeros((3, 4))

# 创建一个2行2列的全1数组
ones_array = np.ones([2, 2])

# 创建一个2行3列的全为5的数组
full_array = np.full((2, 3), 5)

# 创建一个3 x 3的单位矩阵
identity_array = np.eye(3)

# 创建一个2行3列的随机数组
random_array = np.random.random([2, 3])

这些函数可以帮助我们轻松地创建特定形态的数组，让我们能够更加方便地进行数据分析和处理。

相关问题

第1关：创建特定形态的 ndarray 数组

你可以使用 NumPy 库中的 np.array() 函数来创建特定形态的 ndarray 数组。例如，要创建一个形状为 (3, 4) 的二维数组，可以使用以下代码：

import numpy as np

arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

print(arr.shape) # 输出 (3, 4)

如果要创建其他形状的数组，可以在 np.array() 函数中传入不同的参数。

python数据分析Numpy数组对象ndarray案例

NumPy是Python的一个核心库，用于处理大型多维数组和矩阵数据。它的基本数据结构是ndarray（n-dimensional array），它是Python中的多维数组，类似于R语言中的向量或MATLAB中的矩阵。

下面是一个简单的例子来展示如何创建、操作和使用Numpy的ndarray：

import numpy as np

# 创建一个一维数组 (vector)
arr1 = np.array([1, 2, 3, 4, 5])
print("一维数组:", arr1)

# 创建一个二维数组 (matrix)
arr2 = np.array([[1, 2], [3, 4]])
print("二维数组:", arr2)

# 创建空数组并初始化
empty_arr = np.empty((3, 2))
print("空数组并初始化:", empty_arr)

# 获取数组维度和形状
dim_and_shape = arr2.ndim, arr2.shape
print("数组维度和形状:", dim_and_shape)

# 数组的基本数学运算
sum_array = arr1.sum()
mean_array = arr2.mean()
print("数组求和和平均值:", sum_array, mean_array)

# 索引和切片
slice_example = arr2[0:2, 1]
print("切片操作:", slice_example)