python数据分析————NumPy多维数组对象ndarray

numpy

numpy是python的一个扩展库，常用来进行多维数组和矩阵运算，常用于数据科学运算，他的优点有是有一个强大的多维数组对象ndarray，该库的很多运算功能是由C/C++来铺垫整合的

ndarray

• 数据类型

元素类型	描述
bool	True/False
intc	与C语言int类型一致，一般是int32或int64
intp	用于索引整数，int32或int64
int8	字节长度整数，取值[-128，127]
int16	16位长度整数，取值[-32768，32767]
int32	32位长度整数，取值[-231，231-1]
int64	64位长度整数，取值[-263，263 -1]
uint8/uint16/uint32/uint64	无符号整数
float16/float32/float64	半精度浮点数
complex64/complex128	实部虚部都是_位的复数类型

• 导入扩展库

import  numpy as np

ndarray数组的创建

创建ndarray的数组方法有3种：

使用列表创建，元组创建，列表和元组混合创建

>>> a= np.array([0,1,2,3,4])		列表创建
>>> b= np.array((0,1,2,3,4))		元组创建
>>> c= np.array([[0,1,2],(3,4)])	列表和元组混合创建
结果分别是：
>>> a
array([0, 1, 2, 3, 4])
>>> b
array([0, 1, 2, 3, 4])
>>> c
array([list([0, 1, 2]), (3, 4)], dtype=object)

使用numpy中的创建函数

• np.arange(n)

>>> a = np.arange(10)		生成元素从0至n-1的数组
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

• np.ones((n,m))
• np.ones((n,m,z))

>>> b=np.ones((3,6)) 		生成全1数组，参数为元组类型
>>> b
array([[1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.]])
>>> b2 =np.ones((2,3,6))	生成多维全1数组
>>> b2
array([[[1., 1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1., 1.]],

       [[1., 1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1., 1.]]])

• np.zeros((n,m))

>>> c=np.zeros((3,6))		生成全0数组，参数为元组类型
>>> c
array([[0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.]])

• np.eye(n)

>>> d=np.eye(3)				创建n*n的单位矩阵，对角线为1，其余为0
>>> d
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

使用numpy其他函数创建数组

• np.linspace(n,m,z)(起始元素，末尾元素，数组中元素个数)
  默认末尾元素被包含在内

>>> a=np.linspace(1,10,4)	根据起止距离等间距填充数据，默认浮点数
>>> a
array([ 1.,  4.,  7., 10.])
>>> a=np.linspace(1,10,4,endpoint=False)	10不包括在末尾元素
>>> a
array([1.  , 3.25, 5.5 , 7.75])

• np.concatenate((a,b))

>>> a=np.linspace(1,10,4)
>>> b=np.linspace(1,10,4,endpoint=False)
>>> c = np.concatenate((a,b))		将两个或多个数组组合成新的数组
>>> c
array([ 1.  ,  4.  ,  7.  , 10.  ,  1.  ,  3.25,  5.5 ,  7.75])