【数据分析&数据挖掘】数组的创建

import numpy as np
import random

arr = np.array([1,2,3,4])
print('arr:
', arr)
print('arr的类型:
', type(arr))

# 用arange来创建数组
arr = np.arange(0, 5, 2)
print('arr:
', arr)
print('arr的类型:
', type(arr))

# 生成一个等差数组
# 参数1 开始位置
# 参数2 结束位置
# 参数3 生成的数组的元素个数
# endpoint=True --包含结束位置
arr = np.linspace(0, 5, 6)
print('arr:
', arr)
print('arr的类型:
', type(arr))

# 生成一个等比数组
# 参数1 开始位置
# 参数2 结束位置
# 参数3 生成数组的元素的个数
# endpoint=True --包含结束位置
# base=10.0
arr = np.logspace(0, 4, 3, base=4)
print('arr:
', arr)
print('arr的类型:
', type(arr))

# zeros ones diag eye 来创建数组

# 生成一个元素都是0的数组
arr = np.zeros(shape=(2, 3))
arr = np.zeros(shape=[2, 3])
print('arr:
', arr)
print('arr的类型:
', type(arr))
print('arr的维度:', arr.ndim)
print('arr的形状:', arr.shape)

# 生成一个元素都是1的数组
arr = np.ones(shape=(2, 3))
print('arr:
', arr)
print('arr的类型:
', type(arr))
print('arr的维度:', arr.ndim)
print('arr的形状:', arr.shape)

# 创建一个类似对角矩阵的数组
arr = np.diag([1, 2, 3, 4], k=0)
# 如果k>0，给定的值在正对角线的位置向上偏移k单位
arr = np.diag([1, 2, 3, 4], k=1)
# 如果k<0，给定的值在正对角线的位置向下偏移k单位
arr = np.diag([1, 2, 3, 4], k=-1)
print('arr:
', arr)
print('arr的类型:
', type(arr))
print('arr的维度:', arr.ndim)
print('arr的形状:', arr.shape)

arr = np.diag(v=[[1, 2],[2, 4]])
hh = np.array([[1, 2, 3], [3, 4, 5]])
# # 如果v为二维数组，且k=0,那么获取的对角线结果
# arr = np.diag(v=hh, k=0)
arr = np.diag(v=hh, k=1)
arr = np.diag(v=hh, k=-1)
print('arr:
', arr)
print('arr的类型:
', type(arr))
print('arr的维度:', arr.ndim)
print('arr的形状:', arr.shape)

# 生成一个类似单位矩阵的数组
# N 行数
# M 列数 可以省略
arr = np.eye(N=2, M=2, k=0)
arr = np.eye(N=2, M=2, k=1)
arr = np.eye(N=3, k=0)
print('arr:
', arr)
print('arr的类型:
', type(arr))
print('arr的维度:', arr.ndim)
print('arr的形状:', arr.shape)

# 创建随机数组
arr = np.random.random(size=10)
arr = np.random.random(10)
arr = np.random.random(size=(2, 3))  # 用size不用shape
print('arr:
', arr)
print('arr的类型:
', type(arr))
print('arr的维度:', arr.ndim)
print('arr的形状:', arr.shape)

# # 生成服从均匀分布的随机数组[0, 1)
# # 均匀分布是由大量数据产生的结论，可以应用于少量数据——但不能分局少量数据推测不出均匀分布
arr = np.random.rand(30)  # 生成数组的元素个数
arr = np.random.rand(2, 3)  # 生成数组的行列数
# arr = np.random.rand((2, 3))  # 这是错误的，不能是形状
print('arr:
', arr)
print('arr的类型:
', type(arr))
print('arr的维度:', arr.ndim)
print('arr的形状:', arr.shape)

# 生成一个符合正态分布的数组
# 正态分布——由大量数据产生的结论，可以应用于少量数据——但不能根据少量数据推测出正态分布
# μ——数学期望——均值
# σ——标准差，反应的是数据的离散程度
# σ越大，说明数据越离散，图像就越平滑，σ越小，说明数据越聚集，图像就越陡峭
# 如果均值为μ=0.0，标准差σ=1.0,此时为标准正态分布
# 生成一个符合标准正态分布的数组
print("正态分布")
arr = np.random.randn(10)  # 可以传生成元组的个数
arr = np.random.randn(2, 3)  # 可以传生成元组的行列数
# arr = np.random.randn((2, 3))  # 错误，不可以传形状
print('arr:
', arr)
print('arr的类型:
', type(arr))
print('arr的维度:', arr.ndim)
print('arr的形状:', arr.shape)

# 创建某区间内的随机整数数组
# 生成[low, high)内指定size的随机整数数组
arr = np.random.randint(low=1, high=5, size=10)
arr = np.random.randint(low=1, high=5, size=(2, 3))
print('arr:
', arr)
print('arr的类型:
', type(arr))
print('arr的维度:', arr.ndim)
print('arr的形状:', arr.shape)

# 创建某个区间内的随机小数数组
# 默认生成[0, 1)范围内的随机小数数组，可以指定生成小数的范围
arr = np.random.uniform(size=10)
arr = np.random.uniform(size=(2, 3))
arr = np.random.uniform(low=2, high=3, size=(2, 3))
print('arr:
', arr)
print('arr的类型:
', type(arr))
print('arr的维度:', arr.ndim)
print('arr的形状:', arr.shape)