数据分析 - Numpy
简介
Numpy是高性能科学计算和数据分析的基础包。它也是pandas等其他数据分析的工具的基础，基本所有数据分析的包都用过它。NumPy为Python带来了真正的多维数组功能，并且提供了丰富的函数库处理这些数组。它将常用的数学函数都支持向量化运算，使得这些数学函数能够直接对数组进行操作，将本来需要在Python级别进行的循环，放到C语言的运算中，明显地提高了程序的运算速度。
-
下载
>: pip install numpy
-
引用方式
import numpy as np # 约定俗成的起别名:np
这是官方认证的导入方式，可能会有人说为什么不用from numpy import *,是因为在numpy当中有一些方法与Python中自带的一些方法，例如max、min等冲突，为了避免这些麻烦大家就约定俗成的都使用这种方法。
ndarray
Numpy的核心特征就是N-维数组对——ndarray.
ndarray的优势
有一个购物车， 购物车中有商品的数量和对应的价格， 求总的价格 shop_car = [2,4,6,1] shop_price = [10,20,1,30]
- pycharm中实现:
shop_car = [2,4,6,1] shop_price = [10,20,1,30] prices = 0 index = 0 for i in shop_car: price = shop_price[index] prices += i * price index +=1 print(prices) # 136
- numpy中实现:
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，接下来就通过具体的操作来发现。
ndarray是一个多维数组列表
注意:
- 1.数组对象内的元素类型必须相同
- 2.数组大小不可修改
常用属性
| 属性 | 描述 | |
|---|---|---|
| T | 数组的转置（对高维数组而言） | |
| dtype | 数组元素的数据类型 | |
| size | 数组元素的个数 | |
| ndim | 数组的维数 | |
| shape | 数组的维度大小（以元组形式） |
数据类型
| 类型 | 描述 | |
|---|---|---|
| 布尔型 | bool_ | |
| 整型 | int_ int8 int16 int32 int 64 | |
| 无符号整型 | uint8 uint16 uint32 uint64 | |
| 浮点型 | float_ float16 float32 float64 | |
| 复数型 | complex_ complex64 complex128 |
注意: astype()方法可以修改数组的数据类型
创建ndarray对象
| 方法 | 描述 | |
|---|---|---|
| array() | 将列表转换为数组，可选择显式指定dtype | |
| arange() | range的numpy版，支持浮点数 | |
| linspace() | 类似arange()，第三个参数为数组长度 | |
| zeros() | 根据指定形状和dtype创建全0数组 | |
| ones() | 根据指定形状和dtype创建全1数组 | |
| empty() | 根据指定形状和dtype创建空数组（随机值） | |
| eye() | 根据指定边长和dtype创建单位矩阵 |
-
array()
-
arange()
-
linspace()
-
zeros()
-
ones()
-
eye()
-
reshape()
-
empty()
索引和切片
numpy数组索引与python中的索引用法一样
-
索引取值
-
布尔索引
ndarray可以直接对判断数组中的元素进行判断,返回一个布尔值(True,False)组成的数组
-
花式索引 [ [ ] ]
花式索引括号内是被取值的索引下标
-
切片
通用函数
能对数组中所有元素同时进行运算的函数就是通用函数
能够接受一个数组的叫做一元函数，接受两个数组的叫二元函数，结果返回的也是一个数组
一元函数
| 函数 | 功能 | |
|---|---|---|
| abs、fabs | 分别是计算整数和浮点数的绝对值 | |
| sqrt | 计算各元素的平方根 | |
| square | 计算各元素的平方 | |
| exp | 计算各元素的指数e**x | |
| log | 计算自然对数 | |
| sign | 计算各元素的正负号 | |
| ceil | 向上取整 | |
| floor | 向下取整 | |
| rint | 计算各元素的值四舍五入到最接近的整数，保留dtype | |
| modf | 将数组的小数部分和整数部分以两个独立数组的形式返回，与Python的divmod方法类似 | |
| isnan | 判断是否是 NaN | |
| isinf | 表示那些元素是无穷的布尔型数组 | |
| cos，sin，tan | 普通型和双曲型三角函数 |
-
abs,fabs
-
sqrt,square
-
exp,log
-
ceil,floor
-
modf
-
isnan
二元函数
| 函数 | 功能 | |
|---|---|---|
| add | 将数组中对应的元素相加 | |
| subtract | 从第一个数组中减去第二个数组中的元素 | |
| multiply | 数组元素相乘 | |
| divide、floor_divide | 除法或向下圆整除法（舍弃余数） | |
| power | 对第一个数组中的元素A，根据第二个数组中的相应元素B计算A**B | |
| maximum，fmax | 计算最大值，fmax忽略NAN | |
| miximum，fmix | 计算最小值，fmin忽略NAN | |
| mod | 元素的求模计算（除法的余数） |
数学统计方法
| 函数 | 功能 | |
|---|---|---|
| sum | 求和 | |
| cumsum | 求前缀和 | |
| mean | 求平均数 | |
| std | 求标准差 | |
| var | 求方差 | |
| min | 求最小值 | |
| max | 求最大值 | |
| argmin | 求最小值索引 | |
| argmax | 求最大值索引 |
-
sum,cumsum
随机数
随机数生成函数在np.random的子包当中
| 函数 | 功能 | |
|---|---|---|
| rand | 给定形状产生随机数组（0到1之间的数） | |
| randint | 给定形状产生随机整数 | |
| chocie | 给定形状产生随机选择 | |
| shuffle | 与random.shuffle相同 | |
| uniform | 给定形状产生随机数组 |
补充 NaN:
1、nan(Not a Number):不等于任何浮点数（nan != nan）
---------------------------------------------
2、inf(infinity):比任何浮点数都大
---------------------------------------------- Numpy中创建特殊值：np.nan、np.inf
- 数据分析中，nan常被用作表示数据缺失值
