|NO.Z.00026|——————————|BigDataEnd|——|Hadoop&Python.v04|——|Arithmetic.v04|NumPy科学计算库：NumPy数组创建|

一、NumPy科学计算库

### --- Po，功夫熊猫中阿宝。勤加练习，你就所向披靡！

~~~     NumPy（Numerical Python）是Python的⼀种开源的数值计算扩展。
~~~     提供多维数组对象，各种派⽣对象（如掩码数组和矩阵），这种⼯具可⽤来存储和处理⼤型矩阵，
~~~     ⽐Python⾃身的嵌套列表（nested list structure)
~~~     结构要⾼效的多（该结构也可以⽤来表示矩阵（matrix）），
~~~     ⽀持⼤量的维度数组与矩阵运算，此外也针对数组运算提供⼤量的数学函数库，
~~~     包括数学、逻辑、形状操作、排序、选择、输⼊输出、离散傅⽴叶变换、基本线性代数，
~~~     基本统计运算和随机模拟等等。

### --- ⼏乎所有从事Python⼯作的数据分析师都利⽤NumPy的强⼤功能。

~~~     强⼤的N维数组
~~~     成熟的⼴播功能
~~~     ⽤于整合C/C++和Fortran代码的⼯具包
~~~     NumPy提供了全⾯的数学功能、随机数⽣成器和线性代数功能

### --- 安装Python库

~~~     pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple
~~~     pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

~~~     # 启动终端
~~~     Windows----> 快捷键：win + R ----->输⼊：cmd回⻋------>命令⾏出来
~~~     Mac ---->启动终端

~~~     # 启动jupyter
~~~     进⼊终端输⼊指令:jupyter notebook
~~~     在哪⾥启动jupyter启动，浏览器上的⽬录，对应哪⾥

---

一、数组创建

### --- 创建数组的最简单的⽅法就是使⽤array函数，将Python下的list转换为ndarray。

import numpy as np
l = [1,3,5,7,9]                                         # 列表
arr = np.array(l)                                       # 将列表转换为NumPy数组
arr                                                     # 数据⼀样，NumPy数组的⽅法，功能更加强⼤
~~~ 输出为
# array([1, 3, 5, 7, 9])

### --- 我们可以利⽤np中的⼀些内置函数来创建数组，⽐如我们创建全0的数组，

~~~     也可以创建全1数组，全是其他数字的数组，或者等差数列数组，正态分布数组，随机数。

import numpy as np
arr1 = np.ones(10)                                      # 输出为：array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])
arr2 = np.zeros(10)                                     # 输出为： array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
arr3 = np.full(shape = [2,3],fill_value=2.718)
~~~ 输出为：
# array([[2.718, 2.718, 2.718],
# [2.718, 2.718, 2.718]])
arr4 = np.arange(start = 0,stop = 20,step = 2)
# 等差数列 输出为：array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18])
arr5 = np.linspace(start =0,stop = 9,num = 10)
# 等差数列 输出为：array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])
arr6 = np.random.randint(0,100,size = 10)
# int随机数 输出为：array([ 4, 8, 79, 62, 34, 35, 2, 65, 47, 18])
arr7 = np.random.randn(5)
# 正态分布 输出为：array([ 0.57807872, 0.37922855, 2.37936837, -0.28688769, 0.2882854 ])
arr8 = np.random.random(size = 5)
# float 随机数 输出为：array([0.59646412, 0.37960586, 0.38077327, 0.76983539, 0.22689201])

二、查看操作

### --- jupyter扩展插件

~~~     # jupyter扩展插件
~~~     # NumPy的数组类称为ndarray，也被称为别名 array。请注意，numpy.array这与标准Python库类不同array.array，后者仅处理⼀维数组且功能较少。ndarray对象的重要属性是
 ~~~ pip install jupyter_contrib_nbextensions -i https://pypi.tuna.tsinghua.edu.cn/simple
 ~~~ pip install jupyter_nbextensions_configurator -i https://pypi.tuna.tsinghua.edu.cn/simple
 ~~~ jupyter contrib nbextension install --user
 ~~~ jupyter nbextensions_configurator enable --user

### --- 查看操作

~~~     # 数组的轴数、维度
import numpy as np
arr = np.random.randint(0,100,size = (3,4,5))
arr.ndim                                                # 输出 3

~~~     # 数组尺⼨形状

import numpy as np
arr = np.random.randint(0,100,size = (3,4,5))
arr.shape                                               # 输出 (3,4,5)

~~~     # 数组元素的总数

import numpy as np
arr = np.random.randint(0,100,size = (3,4,5))
arr.size                                                # 输出 3*4*5 = 60

~~~     # 数据类型

import numpy as np
arr = np.random.randint(0,100,size = (3,4,5))
arr.dtype                                               # 输出 dtype('int64')

~~~     # 数组中每个元素的⼤⼩（以字节为单位）

import numpy as np
arr = np.random.randint(0,100,size = (3,4,5))
arr.itemsize                                            #输出是 8 ，因为数据类型是int64，64位，⼀个字节是8位，所以64/8 = 8

三、文件IO操作

### --- 保存数组

~~~     # save⽅法保存ndarray到⼀个npy⽂件，也可以使⽤savez将多个array保存到⼀个.npz⽂件中
x = np.random.randn(5)
y = np.arange(0,10,1)
~~~     # save⽅法可以存⼀个ndarray
np.save("x_arr",x)
~~~     # 如果要存多个数组，要是⽤savez⽅法，保存时以key-value形式保存，key任意（xarr、yarr）
np.savez("some_array.npz",xarr = x,yarr=y)

### --- 读取

~~~     # load⽅法来读取存储的数组，如果是.npz⽂件的话，读取之后相当于形成了⼀个key-value类型的变量，通过保存时定义的key来获取相应的array
np.load('x_arr.npy')                                        # 直接加载
~~~     # 通过key获取保存的数组数据
np.load('some_array.npz')['yarr']

### --- 读写csv、txt⽂件

~~~     # 读写csv、txt文件
arr = np.random.randint(0,10,size = (3,4))
~~~     # 储存数组到txt⽂件
np.savetxt("arr.csv",arr,delimiter=',')                     # ⽂件后缀是txt也是⼀样的
~~~     # 读取txt⽂件，delimiter为分隔符，dtype为数据类型
np.loadtxt("arr.csv",delimiter=',',dtype=np.int32)

---

 

 

 

 

 

 

 

 

 

---

Walter Savage Landor:strove with none,for none was worth my strife.Nature I loved and, next to Nature, Art:I warm'd both hands before the fire of life.It sinks, and I am ready to depart

                                                                                                                                                   ——W.S.Landor

---