小节9：Python之numpy

numpy全称为Numerical Python，是很多数据或科学相关Python包的基础。

1、numpy数组（ND array N维数组）

numpy数组是更适合数据分析的列表。

numpy的数组和Python的内置列表有相似之处，也有不同之处。

相似之处：我们都可以通过索引去获得某个元素，可以通过切片获得某个范围的多个元素，也可以去迭代各个元素。

不同之处：numpy数组里的元素必须是同一类型的，比如全都是数字（int和float可以写在同一数组中，但类型都变成了float类型），全都是字符串等等，列表则没有这个要求。

numpy数组的优势：在对numpy数组进行大规模的数学运算或其它操作时，其执行速度远高于Python内置列表，因此，使用numpy做数据处理的首要原因它的效率更高。此外，numpy也提供了很多专门做运算的函数，如：求平均值、标准差等，为操作数据提供了很多便利。

创建一维数组：

import numpy as np
array_a = np.array([1, 2, 3])
array_b = np.array([1, 2, 2.5])
print(array_a)
print(array_b)

输出： 

 

创建二维数组（小技巧：看左边或右边有几个方括号，有几个就会被转换为几维数组）：

此外，二维数组中，如果有其中一个列表中有float型，则另一个列表中的int类型元素也会被转换为float类型

array_2a = np.array([[1, 2, 3], [4, 5, 6]])
array_2b = np.array([[1, 2, 3], [4, 5, 6.5]])
print(array_2a)
print(array_2b)

输出：

2、numpy数组的一些属性（点后面名称不带括号的是属性）

1）变量名.ndim会返回给我们数组的维度

print(array_a.ndim)
print(array_2a.ndim)

2）变量名.shape会返回一个元组，表示各个维度元素的个数

array_a = np.array([1, 2, 3])
array_2a = np.array([[1, 2, 3], [4, 5, 6]])
print(array_a.shape)
print(array_2a.shape)

对于上面的一维数组，由于它在一维上有3个元素，所以返回 (3,)，而那个二维数组在一维有两个元素（即两个列表），在二维有3个元素（即每个列表有3个元素），所以返回 (2, 3)

PS：如果array_2a = np.array([[1, 2, 3], [4, 5]])，则会报错，因为一个列表有3个元素，而另一个列表只有2个元素，二者元素数量不一样。

3）变量名.size会返回给我们数组中元素的总个数

array_a = np.array([1, 2, 3])
print(array_a.size)
array_2a = np.array([[1, 2, 3], [4, 5, 6]])
print(array_2a.size)

 

4）变量名.dtype会返回给我们数组元素的类型

array_a = np.array([1, 2, 3])
print(array_a.dtype)
array_2a = np.array([[1, 2, 3], [4, 5, 5.5]])
print(array_2a.dtype)

3、numpy数组的一些方法（点后面名称带括号的是方法）

1）np.zeros()的括号中传入一个数字n，它就会返回一个全都是0的，长度为n的数组（元素类型是float）

array_0 = np.zeros(3)
print(array_0)
print(array_0.dtype)

输出：

2）np.ones()同上，元素为1

array_1 = np.ones(3)
print(array_1)
print(array_1.dtype)

输出：

3）np.arange()创建元素为数字序列的数组。参数1是起始值（在范围内），参数2是结束值（不在范围内），参数3是步长

array_arange = np.arange(1, 10, 2)
print(array_arange)