数据可视化基础专题（二十四）：numpy80题（三）第一期｜热身20题:数据创建与访问

本文主要是介绍数据可视化基础专题（二十四）：numpy80题（三）第一期｜热身20题:数据创建与访问，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

1.导入并查看NumPy版本

import numpy as np
print(np.__version__)

2.创建十个全为0的一维数组

np.zeros(10)

3.创建10个全为0的一维数据并修改数据类型为整数

np.zeros(10,dtype = 'int')

4.创建20个0-100固定步长的数

np.arange(0,100,5)

5.从list创建数组

List = [1,2,3,4,5,6,7,8,9]
result = np.array(List)
result

6.创建一个三行三列全是1的矩阵

#方法1
np.ones((3,3))
#方法2
np.array([[ 1., 1., 1.],
       [ 1., 1., 1.],
       [ 1., 1., 1.]])

7.创建一个2行2列矩阵并且元素为布尔类型的True

np.full((2,2), True, dtype=bool)

8.创建等差数列

备注：从5开始，50结束，共10个数据

np.linspace(start=5,stop=50,num=10)

9.创建等差数列

备注：从5开始，50结束，共10个数据，数据类型为int32 思考：与上一题不同

np.arange(start = 5, stop = 55, step = 5,dtype = 'int32')

10.创建3x3矩阵

备注：矩阵元素均为0—10之间的随机数

np.random.randint(0,10,(3,3))

11.创建3x3矩阵

备注：矩阵元素均为服从标准正态分布的随机数

np.random.randn(3, 3)

12.将第五题的result修改为3x3矩阵

result = result.reshape(3,3)

13.对上一题生成的result取转置

result.T

14.查看result的数据类型

result.dtype
#dtype('int64')

15.查看result的内存占用

#方法一：直接查看
print(result.nbytes)
#方法2手动计算
print(result.itemsize * 9)

16.将result的数据类型修改为float

result = result.astype(float)

17.提取result第三行第三列的元素

result[2,2]

18.将result第三行第三列的元素放大十倍

result[2,2] = result[2,2] * 10

19.提取result中的所有偶数

result[result % 2 == 0]

20.将result中所有奇数修改为666

result[result % 2 == 1] = 666

这篇关于数据可视化基础专题（二十四）：numpy80题（三）第一期｜热身20题:数据创建与访问的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！