Numpy入门

1. ndarray——戴着“面具”的矩阵

ndarray是Numpy的核心，是一个N维数组对象，这里的数组对象指的是通用的同构数据多维容器，由于同构，因此元素类型必须相同。

note: 尽管不少地方称其为数组，可是实际上它就是代码版的矩阵，即戴着“面具”的矩阵。

1.1 属性

（1）shape: 表示ndarray各维度大小的元组

（2）dtype: ndarray元素的数据类型

类型	类型代码
int八、uint8	i一、u1
int1六、uint16	i二、u2
int3二、uint32	i四、u4
int6四、uint64	i八、u8
float1六、float3二、float6四、float128	f二、f四、f八、f16
bool	?
object	O
string_	S
unicode_	U

note: object表示python对象类型；长度为10的字符串表示为S10

（3）ndim: ndarray的轴数/维数

1.2 方法

方法	说明
astype()	修改dtype，既能够直接接受dtype显示转换，也能够接受其余的ndarray来隐式地采用其它ndarray的dtype
copy()	建立一个副本

2. 建立ndarray

Numpy中提供了不少方法来建立一些特殊的矩阵。

函数	说明
array()	接受一个序列，将其转换为ndarray。矩阵的元素的类型会自动匹配，也能够显示指定
asarray()	将输入转换成ndarray
arange()	相似于range()，建立一个一维的ndarray
ones(shape, dtype=None)	建立全1矩阵
zeros(shape, dtype=None)	建立全0矩阵
empty(shape, dtype=None)	建立指定shape的随机矩阵
eye(row, col=None, dtype=float)	建立单位矩阵，当row<col时建立的伪单位矩阵
identiy(n, dtype=None)	建立n*n的单位矩阵，这才是货真价实的单位矩阵

note: 和ones()/zeros()/empty()是三个须要指定shape的建立方法不一样，ones_like()/zeros_like()/empty_like()根据其余矩阵的shape来建立对应矩阵

3. ndarray的运算

大小相同的ndarray之间的运算都会到元素级，大小不相同的ndarray之间的运算就会采用广播的形式

note: ndarray与标量直接进行逻辑运算的时候会生成布尔型数组，这里的逻辑运算符包括=、!=、>、-（取反）、<等，固然也能够经过&、|链接多个运算表达式。

4. 索引和切片

索引做用在ndarray的轴上，且一个索引只做用于一个轴。

Numpy中索引有四种，分别是基本索引、切片索引、布尔型索引和花式索引。本节全部例子都基于arr：

arr = [[1,2,3],
       [4,5,6],
       [7,8,9]]

4.1 基本索引和切片索引

基本索引就是整数索引，有两种表示方式，第一种方式独有，在前一个索引的结果上执行后一个索引

arr[index1][index2]...    # 在arr[index1]结果上执行[index2]操做

第二种方式和切片索引相似，切片索引参考了Python的序列切片，它的功能比基本索引更强大，也能够用来表示整数索引

arr[index1, index2, ...]
arr[slice1, slice2, ...]

以上两种索引都是沿着0轴，1轴，... 依次索引或切片。实际使用时，两者能够混用。举个例子

arr[:2, 2]=[3 6]

4.2 布尔型索引

布尔型索引就是使用布尔型ndarray来索引目标ndarray，好比target_arr[bool_arr]，此时布尔型ndarray必须与目标ndarray被索引的轴的轴长相等。很好理解这里不给例子了。

布尔型索引至关于另外一种形式的基本索引，因此三者能够混用

import numpy as np

name = np.array(['jack','bob','jack'])
arr = np.array([[1,2,3],[4,5,6],[7,8,9]])

arr[name == 'jack', :2] = 
[[1 2]
 [7 8]]

4.3 花式索引

和前面两种索引不一样的是，花式索引使用list或者ndarray抽取数据到新ndarray中

arr[[1,2], [1,2]] = [5 9]

note: 前一个[1,2]做用于0轴，抽出[[4,5,6],[7,8,9]]，后一个[1,2]做用于1轴，分别抽取5和9出来组成[5,9]

5. 通用函数

通用函数都是元素级的ndarray函数，位于numpy下。按照所需ndarray的数量，分为一元函数和二元函数，使用时经过np.func(arr, ...)来调用

一元函数

函数	说明
abs、fabs	计算各元素的绝对值，计算非复数值fabs()更快
sqrt	计算各元素的算术平方根
square	计算各元素的平方
exp
log、log十、log二、log1p	最后一个1p是(1+x)的简称
sign	1（正数）、0（零）、-1（负数）
ceil	计算大于等于各元素的最小整数
floor	计算小于等于各元素的最大整数

二元函数

函数	说明
add
substract
multiply
divide、floor_divide	floor_divide只取商
power
maximum/minimum
mod	取余
copysign	将第二个ndarray的元素的符号赋给第一个ndarray的元素
greater、greater_equal、less、less_equal、equal、not_equal	各类比较运算
logical_and、logical_or、logical_xor	各类逻辑运算