时间：2022-08-26 09:11:28 | 栏目：Python代码 | 点击：次
使用 Python 进行数据分析时，比较常用的库有 Numpy、Pandas、Matplotlib，本篇文章就来说一下 Numpy 的使用方法，编辑器就使用上篇文章说过的 Jupyter。
Numpy 是一个Python扩展库，专门做科学计算，也是大部分 Python 科学计算库的基础，Numpy 提供了多维数组对象 ndarray，它是一系列同类型数据的集合，可以进行索引、切片、迭代等操作。
我们可以使用以下命令进行安装：
pip install numpy # 或者 conda install numpy
在Numpy中使用array()方法创建数组，传入列表或元组即可，例如：
创建一维数组，并指定数据类型为 int：
import numpy as np np.array([1,2,3,4], dtype=int) # 接收一个list作为参数
创建二维数组：
np.array([[1,2,3],[4,5,6]])
结果输出为：
array([[1, 2, 3],
[4, 5, 6]])
使用arange()函数创建连续的array，类似于 Python 中的range()函数：
np.arange(10)
使用 Numpy 的random模块创建随机数组:
# 创建2行3列取值范围为[0,1)的随机数组 np.random.rand(2, 3) # 创建2行3列的随机整数数组，取值范围为[5,20) np.random.randint(5,20,size=(2,3))
其他方法：
np.ones()函数：创建一个元素值全为1的数组，接收一个list或tuple作为参数，如np.ones([2, 3])可以创建一个2行3列的数组。 np.zeros()函数：创建一个元素值全为0的数组，接收一个list或者tuple作为参数，使用同上。 np.full()函数：创建一个填充指定数值的数组，第一个参数是list或tuple，第2个参数是需要填充的数值，如np.full((2, 3), 5)可以创建一个2行3列的数组，所有元素都填充为5。
当然，还有一些其他的方法创建指定格式 Numpy 数组，用处不多，就不一一介绍了。
Numpy 支持非常多的数据类型，可以通过 Numpy 数组对象的dtype属性查看数组的数据类型：
a = np.array([[1,2,3],[4,5,6]]) a.dtype
可以通过对象的ndim或shape属性，来查看数据维度：
ndim属性：直接返回维度值。shape属性：返回一个元组，元组的长度即代表数组的维度，元组每一个属性代表对应的维度的元素个数。a = np.array([[1,2,3],[4,5,6]]) a.ndim a.shape