Python数据分析与展示——Numpy

        NumPy是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。使用N维数组对象可以直接对其进行科学计算。

N维数组对象：ndarray

ndarray是一个多维数组对象，由实际数据和描述这些数组的元数据（数据维度、数据类型）这两部分构成，ndarray数组一般要求所有元素类型相同，数组下标从0开始。

np.array()：生成一个ndarray数组

np.array()输出成[]形式，元素由空格分割。

a = np.array([[0,1,2,3],[4,5,6,7]])
print(a)

ndarry对象属性

 

a = np.array([[0,1,2,3,4],[5,6,7,8,9]])

a.ndim #2
a.shape #(2,4)
a.size #10
a.dtype #dtype('int32')
a.itemsize #int32类型数据是4个字节

ndarray元素类型

        注意：ndarray数组也可以由非同质对象构成，非同质ndarray元素为对象类型，但其无法有效发挥numpy优势，尽量避免使用。

ndarray数组的创建和变换

ndarray数组的创建

numpy.empty

numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

numpy.empty(shape, dtype = float, order = 'C')

numpy.zeros

创建指定大小的数组，数组元素以 0 来填充：

numpy.zeros(shape, dtype = float, order = 'C')

numpy.ones

创建指定形状的数组，数组元素以 1 来填充：

numpy.ones(shape, dtype = None, order = 'C')

numpy.asarray

numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。其中参数a是任意形式的输入参数，可以是列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组。

numpy.asarray(a, dtype = None, order = None)

numpy.arange

numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下：

numpy.arange(start, stop, step, dtype)

numpy.linspace

numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

numpy.logspace

numpy.logspace 函数用于创建一个于等比数列。格式如下：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

 

 

 

ndarray数组的变换

        对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换。

ndarray数组的维度变换

ndarray数组的类型变换

索引和切片

        切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。

import numpy as np
 
a = np.arange(10)
s = slice(2,7,2)   # 从索引 2 开始到索引 7 停止，间隔为2
print (a[s])


[2  4  6]

也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作：

import numpy as np
 
a = np.arange(10)  
b = a[2:7:2]   # 从索引 2 开始到索引 7 停止，间隔为 2
print(b)



[2,4,6]

        如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。

        切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])  
print (a[...,1])   # 第2列元素
print (a[1,...])   # 第2行元素
print (a[...,1:])  # 第2列及剩下的所有元素


[2 4 5]
[3 4 5]
[[2 3]
 [4 5]
 [5 6]]