数据分析-numpy

创建ndarray

In [11]: np.array([6,3,1,33])
Out[11]: array([ 6,  3,  1, 33])

In [12]: data=[[1,2,3,4],[23,4,5,6]]

In [13]: np.array(data)
Out[13]: 
array([[ 1,  2,  3,  4],
       [23,  4,  5,  6]])


In [14]: x2 = np.arange(0, 12).reshape(4, 3)

In [15]: x2
Out[15]: 
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

In [16]: np.random.randint(0,10,3)   #返回随机整数，范围区间为[low,high），包含low，不包含high
Out[16]: array([5, 0, 4])

In [17]: np.random.rand(3,4) #rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1
Out[17]: 
array([[0.89143681, 0.10993371, 0.37815754, 0.11943034],
       [0.28362654, 0.84848725, 0.93038445, 0.65963801],
       [0.14620899, 0.18424   , 0.37719692, 0.39323956]])

In [18]: np.random.randn(3,4)  #randn函数返回一个或一组样本，具有标准正态分布。
Out[18]: 
array([[ 1.98716137, -1.27115759, -0.14016885,  0.28118953],
       [-0.37525637, -0.77492992,  0.94574926, -0.61111582],
       [-0.60284583, -0.89058114, -0.95894492,  1.9641937 ]])

In [19]: np.random.random(10) (-1~1)之间的数
Out[19]: 
array([0.86132014, 0.85226162, 0.69632745, 0.38047287, 0.3608202 ,
       0.97399465, 0.56642493, 0.67933993, 0.49214488, 0.89506708])

参考总结