数据分析:Numpy

Numpy

一.Numpy简介

 二.Numpy使用

前提:安装和导入

 jupyter notebook实例：

 

1.ndarray -多维数组对象

简介：通过ndarray这个多维数组对象可以让这些批量计算变得更加简单，当然这只它其中一种优势。

ndayyary多种创建方式

#1.np.array：将列表转换为数组，可选择显式指定dtype

#第一种：np.array(列表)
np.array([1,2,3,4,5])  

 #2.np.arange(数字) ### 类似于python的range版本

#第二种创建方式：np.arange(数字)  ### 类似于python的range版本

 

#3.linspace：类似arange()，np.linspace(初始值,结束值, num=分割份数默认是50，endpoint=False是否包含结束值) 

示例1：

示例2：

 #4.zero创建0数组：np.zeros((维度数默认为1,每个列表元素数))

示例1：

 示例2：

#4.zero创建1数组：np.zeros((维度数默认为1,每个列表元素数))

示例1：

 

 示例2：

 #5.empty：根据指定形状和dtype创建空数组（随机值）：np.empty(维度数默认为1，每个列表元素数)

示例1：

 示例2:

 #6.eye：根据指定边长和dtype创建单位矩阵：np.eye(维度数和每个列表元素数)

示例1：

 示例2：

2.ndarry之间的运算

#1.两个列表对应相乘和列表内元素求和：

 #2.加减乘除都是一样的两个ndarray列表对应位元素进行计算

加：

减：

乘：

以上为例：

补充：

除：注意是整除还是取整或是取余，这里就不做演示了

3.二维数组

注意：列表里有几个列表就是几维数组

4.常用属性

 示例数组：

#1.T:高维数组的转置（列与行的转换，注意列表里有几个列表就是几行每个列表里有几个元素就是几列）

如：2行4列数组转变为4行2列

 

 

 #2dtype:数组元素的数据类型

 #3.size：数组元素个数

 #4.ndim:数组维度

 #5.shape：以元组的形式展示数组的维度(维度，每个列表里元素个数)

5.数据类型

#1.转换为浮点型

 #2.其他类型同理

 6.其他操作

#1.索引取值

一维示例（与python中的列表取值一样）：

 

 二维示例（二维加入了行与列的概念）：

 

 

 

#2.切片 

示例1一维数组（与python一样）

 

 

 

 示例2二维数组（行与列的概念）

 

 #3.布尔类型索引

一维示例：

 

 二维示例：

 

#4.花式索引（一次性取多个值）

 

 #5.reshape:改变数组的维度和形状：ndarrary.reshape（行默认为1，列）

 

 7.通用函数

 

#1.求绝对值：np.abs(值或列表)，np.fabs([值或列表])

 

 #2.求平方根：np.sqrt(值)

 

 #3.求平方

 

 #4.计算自然对数

 

 #5.向上和向下取整

 

 #6.四舍五入

 

 #7.将整数部分和小数部分以2个独立的数组形式返回

 

 #8.isnan判断是否是数字缺失

 

 #8.求和

 

 8.数学统计方法

 

 #1.求最大值

 

 .#2.求最大值和最小值索引

 

 

 9.随机数