NumPy基础：数组和矢量计算

大数据分析应用关注的功能点：

1、用于数据整理和清理、子集构造和过滤、转换等快速的矢量化数组运算
2、常用的数组算法，如排序、唯一化、集合运算等
3、高效的描述统计和数据聚合/摘要运算
4、用于异构数据集的合并/连接运算的数据对其和关系型数据运算
5、将条件逻辑表述为数组表达式（而不是带有if-elif-else分支的循环）
6、数据的分组运算（聚合、转换、函数应用等）

ndarray：一种多维数组对象

每个数组都有一个shape（一个表示各维度大小的元组）和一个dtype（一个明确数组类型的对象）

创建ndarray

使用array函数创建；

image.png

zeros/ones分别可以创建指定长度或形状的全0或全1数组；
empty可以创建一个没有任何具体值的数组；
arange是range函数的数组版

image.png

数组创建函数

image.png

ndarray的数据类型

image.png

image.png

可以通过narray的astype方法转换dtype；
如果将浮点型转换成整数，则小数部分会被截断；
如果字符串数组表示的全是数字，也可以用astype将其转换成数值形式

image.png

数组和标量之间的计算

基本的索引和切片

将一个标量值赋值给一个切片时，该值会自动传播到整个选区；跟列表最重要的区别在于，数组切片是原始数组的视图，视图上的任何修改都会反映到源数组上

image.png

image.png

image.png

image.png

切片索引

切片是沿着一个轴向选取元素的；
注意，“只有冒号”表示选取整个轴

image.png

布尔型索引

image.png

image.png

要选择除某个值意外的其他值，可以使用！=，也可以使用~对条件进行否定

image.png

要选取多个关键词，可以用布尔条件，使用&、|之类的布尔算数运算符

image.png

通过布尔型索引选取数组中的数据，将总是创建数据的副本，即使返回一模一样的数组也是如此；
通过布尔型数组设置值是一种常用的手段

image.png

花式索引

指的是利用整数数组进行索引

image.png

为了以特定顺序选取行子集，只需传入一个用于指定顺序的整数列表或ndarray即可

image.png

image.png

image.png

数轴转置和轴对换

矩阵计算用的比较多

image.png

image.png

通用函数：快速的元素级数组函数

image.png

image.png

image.png

利用数组进行数据处理

image.png

image.png

将条件逻辑表述为数组运算

image.png

image.png

image.png

image.png

image.png

image.png

数学和统计方法

image.png

image.png

image.png

image.png

用于布尔型数组的方法

image.png

image.png

排序

sort方法

image.png

image.png

image.png

image.png

唯一化以及其他的集合逻辑

最常用的：np.unique

image.png

image.png

用于数组的文件输入输出

将数组以二进制格式保存到磁盘

np.save和np.load
默认情况下，数组是以未压缩的原始二进制格式保存在.npy文件中

image.png

image.png

存取文本文件

!type,np.loadtxt,np.savetxt,getfromtxt（面向的是结构化数组和缺失数据处理）

image.png

image.png

线性代数

image.png

image.png

image.png

image.png

image.png

随机数生成

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png