Python的那些事---数据分析（一）---NumPy基础

NumPy是python数值计算中最为重要的基础包，大多数计算包都提供了基于NumPy的科学函数功能，将NumPy的数组对象作为数据交换的通用语。

NumPy的优点：

1. ndarray，一种高效多维数组，提供了基于数组的便捷算术操作以及灵活的广播功能。
2. 对所有数据进行快速的矩阵计算，而无须编写循环程序。
3. 对硬盘中数组数据进行读写的工具，并对内存映射文件进行操作。
4. 线性代数、随机数生成以及傅里叶变换功能。
5. 用于连接NumPy到C、C++和FORTRAN语言类库的C语言API。

NumPy ndarray：多维数组对象

NumPy的核心特征之一是N-维数组对象---ndarray。ndarray是python中一个快速、灵活的大型数据集容器。数组运行你使用类似于标量的操作语法在整块数据上进行数学计算。

import numpy as np 
#生成随机数组
data=np.random.randn(2,3)
#输出随机数组
print(data)
#将数组整体*10输出
print(data*10)
#将两个data数组整体相加输出
print(data+data)


[[-1.42334019 -0.00819673  1.83179575]
 [-0.82282546  1.4418176  -0.35472472]]
[[-14.23340186  -0.08196733  18.3179575 ]
 [ -8.22825455  14.41817598  -3.54724716]]
[[-2.84668037 -0.01639347  3.6635915 ]
 [-1.64565091  2.8836352  -0.70944943]]

 表一  数组生成函数

函数名	描述
array	将输入数据（可以是列表、元组、数组以及其他序列）转换为ndarray，如不显示指明数据类型，将自动推断；默认复制所有的输入数据
asarray	将输入转换为ndarray,但如果输入已经是ndarray则不再复制
arange	python内建函数range的数组版，返回一个数组
ones	根据给定形状和数据类型生成全1数组
ones_like	根据所给的数组生成一个形状一样的全1数组
zeros	根据给定形状和数据类型生成全0数组
zeros_like	根据所给的数组生成一个形状一样的全0数组
empty	根据给定形状生成一个没有初始化数值的空数组
empty_like	根据所给的数组生成一个形状一样的但没有初始化数值的空数组
full	根据给定的形状和数据类型生成指定数值的数组
full_like	根据所给的数组生成一个形状一样但内容是指定数值的数组
eye,identity	生成一个N×N特征矩阵（对角线位置都是1，其余位置是0）

NumPy数组算术

任何在两个等尺寸数组之间的算术操作都应用了逐元素操作的方式

import numpy as np 
#生成数组
arr=np.array([[1.,2.,3.],[3.,5.,6.]])
#打印数组
print(arr)
#乘法
print(arr*arr)
#减法
print(arr-arr)
#带有标量计算的算术操作，会把计算参数传递给数组的每一个元素：
#倒数
print(1/arr)
#开平方
print(arr**0.5)
#同尺寸数组之间的比较，会产生一个布尔值数组
arr2=np.array([[0.,4.,1.],[7.,2.,12.]])
print(arr2)
#比较数组大小
print(arr2>arr)



[[1. 2. 3.]
 [3. 5. 6.]]

[[ 1.  4.  9.]
 [ 9. 25. 36.]]

[[0. 0. 0.]
 [0. 0. 0.]]

[[1.         0.5        0.33333333]
 [0.33333333 0.2        0.16666667]]

[[1.         1.41421356 1.73205081]
 [1.73205081 2.23606798 2.44948974]]

[[ 0.  4.  1.]
 [ 7.  2. 12.]]

[[False  True False]
 [ True False  True]]

基础索引与切片

一维数组的索引