numpy创建ndarray对象的三种方法

1.1.list转化

In [8]: import numpy as npIn [9]: a = [1,2,3,4]In [10]: x1 = np.array(a)In [11]: x1Out[11]: array([1, 2, 3, 4])In [12]: type(x1)Out[12]: numpy.ndarray

1.2.numpy内的函数生存

In [13]: x2 = np.arange(11)In [14]: x2Out[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方法打开

• 第一个参数：文件名
• delimiter:以什么分隔
• skiprows:跳过的行
• usecols:使用哪几列
• unpack:默认False,表示是否把列分开

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

显示结果

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

把每列分开保存

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

结果：

In [26]: open.shapeOut[26]: (242,)

 

1.4.numpy的常用函数

In [36]: c = np.random.randint(1,100,10)In [37]: cOut[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]: yOut[44]: array([14, 20, 26, 32, 40, 44, 62, 70, 82, 87])