数据分析的三大法宝之一:Numpy常规操作及思维导图

1. Numpy简介

NumPy是Python的一种开源的数值计算扩展库。它包含很多功能：

· 创建n维数组（矩阵）
· 对数组进行函数运算
· 数值积分
· 线性代数运算
· 傅里叶变换
· 随机数产生
······
NumPy是在1995年诞生的Python库Numeric的基础上建立起来的。但真正促使NumPy的发行的是Python的SciPy库。

SciPy是2001年发行的一个类似于Matlab，Maple，Mathematica等数学计算软件的Python库，它实现里面的大多数功能。

但SciPy中并没有合适的类似于Numeric中的对于基础的数据对象处理的功能。于是，SciPy的开发者将SciPy中的一部分和Numeric的设计思想结合，在2005年发行了NumPy。

标准的Python中用list（列表）保存值，可以当做数组使用，但因为列表中的元素可以是任何对象，所以浪费了CPU运算时间和内存。

NumPy诞生为了弥补这些缺陷。它提供了两种基本的对象：

• ndarray：全称（n-dimensional array object）是储存单一数据类型的多维数组。
• ufunc：全称（universal function object）它是一种能够对数组进行处理的函数。

Numpy的官方文档
Anaconda里面已经安装过NumPy。

原生的Python安装：
· 在cmd中输入 pip install numpy
· 在官网中下载相关版本安装 https://pypi.python.org/pypi/numpy

安装之后，我们用导入这个库,并查看版本

import numpy as np
np.__version__

2. ndarray

NumPy中的核心对象是ndarray(n维数组)。
ndarray可以看成数组，类似于R语言的向量或者矩阵。
NumPy里面所有的函数都是围绕ndarray展开的。

2.1 ndarray的创建

ndarray对维数没有限制。
[ ]从内到外分别为第0轴，第1轴，第2轴。
c第0轴长度为2，第1轴长度为4。
创建时，几维数组就用几层中括号。

a = np.array([1, 2, 3, 4]) #一维数组
b = np.array((5, 6, 7, 8))
c = np.array([[1, 2, 3, 4], [5, 6, 7, 8]]) #二维数组

NumPy提供了专门用于生成ndarray的函数，提高创建ndarray的速度。

np.arange(start, stop, step) 起始值 结束值 步长
np.linspace(1, 101, 6, dtype=int) 起始值，结束值，元素个数 参数endpoint 默认是True 包含最后一个值。
logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)Return numbers spaced evenly on a log scale.

np.arange(1,5,1 ) #不包括右端值
np.arange(1,5,2 )

np.linspace(1,5,5) #包含右端点值
np.linspace(1,6,5,endpoint=False) #结果同上，不包括右端值。

np.logspace(10,100,10)

• 全0数组:np.zeros(shape, dtype=float)
• 全1数组:np.ones(shape,dtype=float)
• 全为相同值的数组:np.full(shape, fill_value, dtype=None
• 单位"矩阵": np.eye(N, M=None, k=0, dtype =float) N为行,M为列(如果不给出默认等于N),k为偏移量,正数上偏
• 按照某一数组的形状生成ndarray ，array_like()
• 初始化数组:np.empty(shape)，如: a = np.empty((2,3)) a.fill(3)可以创建一个2×3的数组,填充值为3. 与np.full((2,3),3) 结果一样
• 对角矩阵:np.diag(v, k=0)，v是要填充的数,可用列表写出,k是偏移量
• 设置空值:np.nan

np.zeros((2,3))
np.zeros(2)
np.ones((2,3))
np.full((2,3),5)
np.eye(3)
np.eye(3,4)

a = [[2,1,3],[4,3,2]]
np.zeros_like(a) #按a的形状生成数组
np.ones_like(a)
np.full_like(a, 3)

b = np.empty(2)
b.fill(3)
np.diag([1,2,3])
np.nan
b.fill(np.nan) 

还可以自定义函数产生ndarray，fromfunction第一个参数接收计算函数，第二个参数接收数组的形状。

要创建几维数组，就要定义相应维数的函数。

def func(i):
    '''i的2倍。'''
    return i*2

func(np