numpy数据处理实践:创建与操作数组
5星 · 超过95%的资源 需积分: 5 158 浏览量
更新于2024-08-05
收藏 434KB PDF 举报
该资源是关于数据导入与预处理的Jupyter Notebook练习,重点在于使用Python的numpy库。它提供了创建和操作数组的各种示例,包括一维、二维和三维数组的创建,以及如何利用不同类型的索引来访问数组元素。
在Python的科学计算中,numpy是一个核心库,它支持高效的大规模多维数组和矩阵运算,同时也包含了一些基本的数学函数。在这个练习中,我们首先看到如何导入numpy库,并用`np.array()`函数创建不同维度的数组:
1. 一维数组:通过传入一个列表来创建一维数组,如`array_1d = np.array([1,2,3])`。
2. 二维数组:通过传入嵌套的列表来创建二维数组,例如`array_2d = np.array([[1,2,3],[4,5,6]])`。
3. 三维数组:通过传入嵌套的列表,可以创建更高维度的数组,如`array_3d = np.array([[list_a],[list_b],[list_a],[list_b]])`,其中`list_a`和`list_b`是两个一维列表。
接着,我们学习了如何创建特定值填充的数组:
- `np.zeros()`函数用于创建指定形状且所有元素值为0的数组,如`array_demo = np.zeros([2,3])`。
- `np.ones()`函数创建指定形状且所有元素值为1的数组,例如`array_demo = np.ones([4,3])`。
- `np.empty()`函数创建指定形状且元素值为随机的未初始化数值的数组,`array_demo = np.empty((3,3), dtype=int)`。
此外,还展示了`np.arange()`函数的使用,它可以创建一个等差序列数组,如`array_demo = np.arange(1, 30, 4)`,它生成一个从1到29(不包括30)且步长为4的数组。
在数组访问部分,练习涵盖了两种常见的索引方式:
1. 整数索引:直接使用整数下标访问数组元素,如`array_1d[0]`。
2. 花式索引与布尔索引:通过列表或布尔数组来选择数组中的特定元素,例如`array_1d[[0, 2]]`选取第一和第三个元素,或通过条件表达式得到布尔数组来筛选元素,如`array_1d[array_1d > 4]`选取大于4的元素。
这个资源对于初学者来说是非常宝贵的实践资料,有助于提升在数据处理方面的能力,特别是熟悉numpy的数组操作和索引技巧。通过不断地练习,可以更好地掌握这些概念,并应用于实际的数据分析项目中。
2022-04-05 上传
点击了解资源详情
2019-08-12 上传
2021-03-16 上传
2021-09-02 上传
2021-02-15 上传
2024-05-24 上传
机器彤儿
- 粉丝: 0
- 资源: 2
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手