numpy創建ndarray對象的三種方法

學習python中有什么不懂的地方，小編這里推薦加小編的python學習群：895 817 687有任何不懂的都可以在里面交流，還有很好的視頻教程pdf學習資料，大家一起學習交流！

1.1.list轉化

In [8]: import numpy as npIn [9]: a = [1,2,3,4]In [10]: x1 = np.array(a)In [11]: x1 Out[11]: array([1, 2, 3, 4])In [12]: type(x1) Out[12]: numpy.ndarray

1.2.numpy內的函數生存

In [13]: x2 = np.arange(11)In [14]: x2 Out[14]: array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

1.3.文件生存

01.csv文件如下

使用numpy的loadtxt方法打開

• 第一個參數：文件名
• delimiter:以什么分隔
• skiprows:跳過的行
• usecols:使用哪幾列
• unpack:默認False,表示是否把列分開

x = np.loadtxt('01.csv',delimiter=',',skiprows=1,usecols=(1,4,6),unpack=False)

顯示結果

In [18]: x.shape Out[18]: (242, 3)

把每列分開保存

In [24]: open,close,volume = np.loadtxt('01.csv',delimiter=',',skiprows=1,usecols=(1,4,6),unpack=True)

結果：

In [26]: open.shape Out[26]: (242,)

1.4.numpy的常用函數

In [36]: c = np.random.randint(1,100,10)In [37]: c Out[37]: array([44, 26, 40, 87, 32, 82, 20, 70, 62, 14])In [38]: c.min() Out[38]: 14In [39]: c.max() Out[39]: 87In [40]: c.mean() Out[40]: 47.7In [43]: y = np.sort(c)In [44]: y Out[44]: array([14, 20, 26, 32, 40, 44, 62, 70, 82, 87])

總結

以上是生活随笔為你收集整理的numpy的用法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。