Python数据分析 学习笔记 Part01--Numpy库入门

目录

数据的维度：一维，二维和多维

Numpy引用  

N维数据对象：ndarry

ndarry对象的属性

ndarry的元素类型

ndarry数组的创建方法

ndarry数组的变换

维度变换

类型变换

数组向列表变换

ndarry数组的操作

ndarry数组的运算

---

数据的维度：一维，二维和多维

一维数据：列表（有序）和集合类型（无序）
二维数据：列表类型
多维数据：列表类型或者键值对
高维数据：字典类型或者json,xml和yaml格式

Numpy引用  

import numpy as np  别名公认为np

N维数据对象：ndarry

由两部分构成：实际的数据+描述这些数据的元数据
ndarry数组一般要求所有的元素类型相同（同质）,数据下标从0开始
轴（axis）:保存数据的维度
秩（rank）：轴的数量

ndarry对象的属性

ndarray对象的属性

.ndim	秩，即轴的数量或者维度的数量（用的最多的是2维）
.shape	ndarry对象的尺度，对于矩阵，n行m列
.size	ndarry对象元素的个数，相当于.shape中n*m的值
.dtype	ndarry对象的元素类型
.itemsize	ndarry对象中每个元素的大小，以字节为单位

 

ndarry的元素类型

ndarry的元素类型

bool	布尔类型，True或False
intc	与C语言中的int类型一致，一般是int32或int64
intp	用于索引的整数，与C语言中ssize_t一致，int32或int64
int8	字节长度的整数，取值[-128,127]
int16	16位长度的整数，取值[-32768,32767]
int32	32位长度的整数，取值[-2的31次方，2的31次方-1]
int64	64位长度的整数，取值[-2的63次方，2的63次方-1]
unit8	8位无符号整数，取值[0,255]
unit16	16位无符号整数，取值[0,65535]
unit32	32位无符号整数，取值[0，2的32次方-1]
unit64	64位无符号整数，取值[0，2的64次方-1]
float16	16位半精度浮点数：1位符号位，5位指数，10位尾数((符号)尾数*10的指数次方)
float32	32位半精度浮点数：1位符号位，8位指数，23位尾数((符号)尾数*10的指数次方)
float64	64位半精度浮点数：1位符号位，11位指数，52位尾数((符号)尾数*10的指数次方)
complex64	复数类型，实部和虚部都是32位浮点数
complex128	复数类型，实部和虚部都是64位浮点数

ndarry数组的创建方法

• 从Python中的列表、元组等类型创建ndarray数组
x=np.array(list/tuple,)

• 使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等

NumPy中函数创建ndarray数组

np.arange(n)	类似range()函数，返回ndarray类型，元素从0到n-1
np.ones(shape)	根据shape生成全1数组，shape是元组类型。可选参数dtype和order
np.zeros(shape)	根据shape生成全0数组，shape是元组类型。可选参数dtype和order
np.full(shape,val)	根据shape生成一个数组，每个元素的值都是val
np.eye(n)	创建一个正方的n*n单位矩阵，对角线是1，其余是0
np.ones_like(a)	根据数组a的形状生成一个全1数组
np.zeros_like(a)	根据数组a的形状生成一个全0数组
np.full_like(a,val)	根据数组a的形状生成一个数组,每个元素都是val
np.linspace()	根据起止数据等间距地填充数据，形成数组；可选参数endpoint=True或False决定末尾值是否包含
np.concatenate()	将两个或多个数组合并成一个新的数组

• 从字节流（raw bytes）中创建ndarray数组（后续更新）
• 从文件中读取特定格式，创建ndarray数组（后续更新）

ndarry数组的变换

维度变换

维度变换

.reshape(shape)	不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape)	与.reshape()功能一致，但修改原数组
.swapaxes(ax1,ax2)	将数组n个维度中两个维度进行调换
.flatten()	对数组进行降维，返回折叠后的一维数组，原数组不变

类型变换

new_a = a.astype(new_type) 创建新数组

数组向列表变换

ls=a.tolist()

ndarry数组的操作

索引：获取数组中特定位置元素的过程：每个维度一个索引值a[-1,-2,-3]
切片：获取数据元素子集的过程:每个维度都可以切片a[:,:,::2]

ndarry数组的运算

一元函数

一元函数

np.abs(x) np.fabs(x)	计算数组各元素的绝对值
np.sqrt(x)	计算数组各元素的平方根
np.square(x)	计算数组各元素的平方
np.log(x) np.log10(x)np.log2(x)	计算数组各元素的自然对数、10底对数和2底对数
np.ceil(x) np.floor(x)	计算数组各元素的ceiling值或floor值
np.rint(x)	计算数组各元素的四舍五入值
np.modf(x)	将数组各元素的小数和整数部分以两个独立数组形式返回
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x)   np.tan(x) np.tanh(x)	计算数组各元素的普通型和双曲型三角函数
np.exp(x)	计算数组各元素的指数值
np.sign(x)	计算数组各元素的符号值，1(+), 0, ‐1(‐)

二元函数（两个数组运算）

二元函数

+ ‐ * / **	两个数组各元素进行对应运算
np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin()	元素级的最大值/最小值计算
np.mod(x,y)	元素级的模运算
np.copysign(x,y)	将数组y中各元素值的符号赋值给数组x对应元素
> < >= <= == !=	算术比较，产生布尔型数组

学习链接MOOC：Python数据分析与展示