认识Python模块——Numpy（1）

纸上得来终觉浅，绝知此事要躬行！

NumPy(Numerical Python)，科学计算和数据分析的基础包，是数据分析高级工具的构建基础。

主要功能：

• ndarray，矢量算术运算、复杂广播能力（Broadcasting）
• 对应于列表间进行的标准数学函数
• 磁盘、内存内文件数据的读写
• 线性代数、随机数、傅里叶变换

通常引用NumPy的方式如下。简写np只是为了通俗，看个人爱好。

import numpy as np

 

NumPy中的N维数组对象（ndarray）是个大数据容器。每个数组都有shape和dtype函数，且所有元素必须同类型。

直接使用array函数就可以创建数组，能够接受一切序列型对象。

一些特殊数组的创建：

零数组zeros、1数组ones、“空”数组empty（没有任何具体值，通常返回未初始化的垃圾值）、等差数组arange

np.zeros(5)
# array([ 0.,  0.,  0.,  0.,  0.])

np.ones((3，4))
# array([[ 1.,  1.,  1.,  1.],
#       [ 1.,  1.,  1.,  1.],
#       [ 1.,  1.,  1.,  1.]])

np.arange(2,9,1.5)
# array([ 2. ,  3.5,  5. ,  6.5,  8. ])

数组创建函数

函数	说明
array	将输入数据转换为ndarray。
asarray	将输入数据转换为ndarray，如果输入本身就是一个ndarray就不进行复制。
arange	类似于内置函数range、返回一个ndarray。
ones、ones_like	根据指定的形状和dtype创建一个全1的数组。
zeros、zeros_like
empty、empty_like
eye、identity	创建一个正方的NXN单位矩阵

ndarray的数据类型由内置函数dtype表征。也可以通过astype方法显式地转换dtype：

arr=np.array([1,2,3,4,5])
arr.dtype
# dtype("int32")

float_arr=arr.astype(np.float64)
float_arr.dtype
# dtype("float64")

不同大小的数组之间的运算叫做广播（broadcasting）。

数组基本使用：与标量之间的运算，索引\切片、转置、轴对称

花式索引：利用整数数组进行索引。不同于切片，花式索引总是将数据复制到新数组中。

a=[[j for i in range(4)] for j in range(8)]
arr=np.array(a)
# array([[0, 0, 0, 0],
#       [1, 1, 1, 1],
#       [2, 2, 2, 2],
#       [3, 3, 3, 3],
#       [4, 4, 4, 4],
#       [5, 5, 5, 5],
#       [6, 6, 6, 6],
#       [7, 7, 7, 7]])

arr[3:-1]
# array([[3, 3, 3, 3],
#       [4, 4, 4, 4],
#       [5, 5, 5, 5],
#       [6, 6, 6, 6]])

arr[[3,6,-3]]
# array([[3, 3, 3, 3],
#       [6, 6, 6, 6],
#       [5, 5, 5, 5]])