初始NumPy库(一)

在学习数据分析时，NumPy做为最基础的数据分析库，咱们可以熟练的掌握它是学习数据分析的必要条件。接下来就让咱们学习该库吧。

学习NumPy库的环境：                                                                                                                                                     

python：3.6.6

编辑器：pycharm

NumPy安装：在cmd命令下，直接使用pip语句，pip install NumPy便可！

NumPy是使用Python进行科学计算的基本软件包。它主要包含一下内容：

• 有一个强大的N维数组对象ndarray;
• 拥有复杂的广播功能函数；
• 整合C/C++和Fortran代码的工具；
• 线性代数、傅里叶变换、随机数生成等功能。

具体的内容可参考NumPy官网信息：点击官网

 Python基础数据类型中是没有数组概念，NumPy库可以很好的知足了数组缺失，数组对象的优势有：

1. 数组对象能够去掉元素间运算的循环，使一维向量更像单个数据；
2. 设置专门的数组对象，通过优化，能够提高这类应用的运算速度；
3. 数组对象采用相同的数据类型，有助于节省运算和存储空间。

 1、ndarray的介绍

一、ndarray的构成：

ndarray有两部分构成，一是实际数据；二是描述这些数据的元数据（数据维度、数据类型等）。ndarray数组通常要求全部元素类型相同（同质），数组的下标从0开始。

其中轴（axis）：保存数组的维度；秩（rank）：轴的数量

二、ndarray对象的属性：

.ndim：秩，即轴的数量或维度的数量；

.shape：ndarray对象的尺度，对于矩阵，n行m列；

.size：ndarray对象元素的个数，至关于.shape的n*m的值；

.dtype：ndarray对象的元素类型；
.itemsize：ndarray对象中每一个元素的大小，以字节为单位。

 以下举例说明：

求数组a的平方和数组b的立方和：

import numpy as np

def npSum():
    a = np.array([0, 1, 2, 3, 4])
    b = np.array([9, 8, 7, 6, 5])
    c = a ** 2 + b ** 3
    return c

print(npSum())
[729 513 347 225 141]

以下是ndarray属性的练习：

import numpy as np
a = np.array([[0, 1, 2, 3, 4], [9, 8, 7, 6, 5]])
print(a)
print(a.ndim)
print(type(a))
print(a.shape)
print(a.size)
print(a.dtype)
print(a.itemsize)

[[0 1 2 3 4]
 [9 8 7 6 5]]
2
<class 'numpy.ndarray'>
(2, 5)
10
int32
4

 三、ndarray数组的建立方法：

• 从python中的列表、元组等类型建立ndarray；
• 使用NumPy中函数建立ndarray数组，如arange，ones，zeros；
• 从字节流（raw bytes）中建立ndarray数组；
• 从文件中读取特定的格式建立ndarray数组。

以下举例说明：

①、从python中的列表、元组等类型建立ndarray数组：

 

 1 import numpy as np
 2 x = np.array([[1, 2], [9, 8], (0.1, 0.2)])
 3 print(x)
 4 print(x.shape)
 5 print(x.size)
 6 
 7 [[1.  2. ]
 8  [9.  8. ]
 9  [0.1 0.2]]
10 (3, 2)
11 6

 

②、使用NumPy中函数建立ndarray数组：

np.arange(n)            相似range()函数，返回ndarray类型，元素从0到n-1；
np.ones(shape)          根据shape生成一个全1数组，shape是元组类型；
np.zeros(shape)         根据shape生成一个全0数组，shape是元组类型；
np.full(shape, val)     根据shape生成一个数组，每一个元素值都是val；
np.eye(n)               建立一个正方的n*n单位矩阵，对角线为1，其他为0；

相似函数
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，每一个元素值都是val

np.linspace()           根据起止数据等间距地填充数据，造成数组
np.concatenate()        将两个或多个数组合并成一个新的数组

 1 import numpy as np
 2 
 3 print(np.arange(10))
 4 print(np.ones((3, 6)))
 5 print(np.zeros((3, 6), dtype=np.int32))
 6 print(np.eye(5))
 7 
 8 [0 1 2 3 4 5 6 7 8 9]
 9 [[1. 1. 1. 1. 1. 1.]
10  [1. 1. 1. 1. 1. 1.]
11  [1. 1. 1. 1. 1. 1.]]
12 [[0 0 0 0 0 0]
13  [0 0 0 0 0 0]
14  [0 0 0 0 0 0]]
15 [[1. 0. 0. 0. 0.]
16  [0. 1. 0. 0. 0.]
17  [0. 0. 1. 0. 0.]
18  [0. 0. 0. 1. 0.]
19  [0. 0. 0. 0. 1.]]

 1 #不限制数据类型的时候生成的是浮点数
 2 a = np.linspace(1, 10, 4)
 3 print(a)
 4 # endpoint 是指最后一个元素是不是生成的四个元素中的一个
 5 b = np.linspace(1, 10, 4, endpoint=False)
 6 print(b)
 7 c = np.concatenate((a, b))
 8 print(c)
 9 
10 
11 [ 1.  4.  7. 10.]
12 [1.   3.25 5.5  7.75]
13 [ 1.    4.    7.   10.    1.    3.25  5.5   7.75]

 四、数组的变换

对于建立后的ndarray数组，能够对其进行维度变换和元素类型变换：

ndarray数组的维度变换
.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个维度中的两个维度进行调换
.flatten()                                对数组进行降维，返回折叠后的一维数组，原数组不变

 1 a = np.ones((2, 3, 4), dtype=np.int32)
 2 print(a)
 3 print(a.reshape((3, 8)))
 4 print(a.resize((3, 8)))
 5 print(a)
 6 print(a.flatten())
 7 
 8 [[[1 1 1 1]
 9   [1 1 1 1]
10   [1 1 1 1]]
11 
12  [[1 1 1 1]
13   [1 1 1 1]
14   [1 1 1 1]]]
15 [[1 1 1 1 1 1 1 1]
16  [1 1 1 1 1 1 1 1]
17  [1 1 1 1 1 1 1 1]]
18 None
19 [[1 1 1 1 1 1 1 1]
20  [1 1 1 1 1 1 1 1]
21  [1 1 1 1 1 1 1 1]]
22 [1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]

# astype()方法必定会建立新的数组（原始数组的一个拷贝），即便两个类型一致

 1 a = np.ones((2, 3, 4),  dtype=np.int)
 2 print(a)
 3 b = a.astype(np.float)
 4 print(b)
 5 
 6 [[[1 1 1 1]
 7   [1 1 1 1]
 8   [1 1 1 1]]
 9 
10  [[1 1 1 1]
11   [1 1 1 1]
12   [1 1 1 1]]]
13 [[[1. 1. 1. 1.]
14   [1. 1. 1. 1.]
15   [1. 1. 1. 1.]]
16 
17  [[1. 1. 1. 1.]
18   [1. 1. 1. 1.]
19   [1. 1. 1. 1.]]]

五、ndarray数组向列表的转换

 1 import numpy as np
 2 
 3 a = np.full((2, 3, 4), 25, dtype=np.int32)
 4 print(a)
 5 print(a.tolist())
 6 
 7 [[[25 25 25 25]
 8   [25 25 25 25]
 9   [25 25 25 25]]
10 
11  [[25 25 25 25]
12   [25 25 25 25]
13   [25 25 25 25]]]
14 [[[25, 25, 25, 25], [25, 25, 25, 25], [25, 25, 25, 25]], [[25, 25, 25, 25], [25, 25, 25, 25], [25, 25, 25, 25]]]