python | 数据分析（一）- Numpy数据包
NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。Numpy中最重要的对象是称为ndarray的N维数组类型
NumPy可以执行以下操作：
数组的算数和逻辑运算。
傅立叶变换和用于图形操作的例程。
与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。
Numpy不提供高级数据分析功能，但可以更加深刻的理解Numpy数组和面向数组的计算。
以下为代码笔记：
# 导入numpy包 import numpy as np """ ***************** 一、数组操作 ***************** """ #创建数组 a = np.array(1, 2, 3) np.asarray(a, dtype = None, order = None) #按现有数据创建数组 np.arange(start = 0, stop, step = 1, dtype) #数组操作 a[1] #元素访问 len(a) #长度 ndarray.T #转置 np.append(arr, values, axis) #添加 np.insert(arr, idx, values, axis) np.split(ary, indices_or_sections, axis) #分割, 第二项的值为整数则表明要创建的等大小的子数组的数量,是一维数组则表明要创建新子数组的点。 np.delete(arr, values, axis) #删除 np.unique(arr, return_index, return_inverse, return_counts) #去重 np.sin(arr) #三角函数 np.arround(arr) #四舍五入 np.amin(arr, axis) #最小值 np.str(arr) #标准差 np.ceil(arr) #向下取整 """ ***************** 二、矩阵操作 ***************** """ # 创建矩阵 a = np.array([1,2,3],[4,5,6]) a = np.arange(8).reshape(2,4) # 设置和查看数组元素类型 d = nparray(a, dtype=np.float) d.type # 获取矩阵大小 a.shape a.shape[1] #某一维 # 矩阵维度 a.ndim # 调整维度 a.reshape((2,4)) # 访问 a.flat[i] # 创建0矩阵 a = zeros(5, int8) a = zeros([2,3]) # 创建1和空矩阵 a = ones() a = empty() # 创建对角矩阵 np.diag((1, 2, 3)) # 提取矩阵x对角元素的值 np.diag(x) # 用函数创建矩阵fromfunction def func(i): return i * 2 a = fromfunction(func, (5,)) #一维 a = fromfunction(func, (10,10)) #二维 # 矩阵切片 b[start, stop, step] # 多维数组切片 b[0, (2:4)] # 二维数组 b[行号, (起:止)] b[2:4, 2:4] # 行号也可切片 b[: ,3] #读取第三列,逗号前只有一个冒号，表示所有 b[::2, ::2] #加步长 #比较矩阵a和b (a==b).all() #所有元素 (a==b).any() #对应元素是否有一个 # tile重复某个数组/矩阵 tile(a, n) tile(a, (2, 1)) #二维数组
备注：目前写博客是为了进行知识和笔记梳理。博客本身可能还存在着一些错误，如有发现，请求斧正，谢谢。
