Python数据分析与应用——Numpy数组计算

一，Numpy数组

1，Numpy概述：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。提供了两种基本的对象;ndarray（N-dimensional Array）和ufunc（Universal Function）ndarray是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。

2，Numpy ndarray对象：

①，原理：

 ② ，数组属性：在Numpy中，每一个线性的数组称为是一个轴(axis)，也就是维度。对于二维数组来说：axis=0，表示沿着第0轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

 ③，数组创建：

④ ，数组类型：在实际的业务数据处理中，为了更准确地计算结果，需要使用不同精度的数据类型。将元素数据类型保持一致可以更容易确定数组所需要的存储空间。

 ⑤，生成随机数：Numpy提供了强大的生成随机数的功能，然而，真正的随机数很难获得，在实际中使用的都是伪随机数。对于Numpy，与随机数相关的函数都在random模块中，其中包括可以生成服从多种概率分布的随机数的函数。

⑥ ，数组索引 切片： 

 ⑦，变换数组形态：在对数组进行操作时，经常改变数组的形状。

二，Numpy矩阵与通用函数

1，创建numpy矩阵：在Numpy中，矩阵是ndarray的子类，Numpy提供了两个基本对象，分别是N维数组对象和通用函数对象。

三，利用Numpy进行统计分析

 1，读写文件：Numpy的文件主要有二进制文件读/写和文本文件读/写两种形式。

 2，排序：直接排序指对数值直接进行排序；间接排序是指根据一个或多个键对数据集进行排序。在Numpy中直接排序使用sort函数，间接排序使用argsort函数和lexsort函数实现。

3，常用统计函数：有许多可以用于统计分析的函数。