Python数据分析——NumPy数值计算基础（一）

Python数据分析——NumPy数值计算基础（一）

思维导图放上：

数组的维度

一维数据

• 一维数据由对等关系的有序或无需数据构成，采用线性方式组织。
• Python表示（列表和集合表示）：如：[3.1125,3.2554,3.5648]有序；{3.1125,3.2554,3.5648}无序

列表和数组

• 都是表示一组数据的有序结构
• 不同：列表：数据类型可以不同，例如：3.1415，‘pi’，‘3.14’
  数组：数据类型相同，例如：3.14,3.154,3.258

二维数据

• 二维数据由多个一维数据构成，是一维数据的组合形式。
• Python表示（列表表示）：如：
• [ [3.1125,3.2554,3.5648] , [3.1455,3.1574,3.1415] ]

多维数据

• 多维数据由一维或二维数据在新维度上扩展形成。

NumPy的数组对象ndarray

什么是NumPy

• NumPy是用于数据科学计算的基础模块，重在数值计算，也是大部分python可算计算库的基础库，多用于在大型、多维数组上执行数值计算

NumPy的引用

import numpy as np

• as np：引入模块的别名，别名可以省略或更改，建议使用这个约定的别名

创建数组对象

数组属性

• ndarray（数组）是存储单一数据类型的多维数组
  

例：

数组数据类型

• NumPy基本数据类型与其取值范围（只展示一部分）

ndarray数组创建方法

• 从python中的列表、元组等类型创建ndarray数组

x = np.array(list/tuple)
x = np.array(list/tuple,dtype=np.float32)

例：

• 使用NumPy中函数创建ndarray数组，如：arange，ones，zeros等
  
  例：
  
  使用NumPy中其他函数创建ndarray数组：
  
  例：
  
  注：NumPy生成的数组中都要把元素作为浮点数，NumPy是用于科学计算的库，科学计算中都用的是浮点数。
• 从字节流（raw bytes）中创建ndarray数组
• 从文件中读取特定格式创建ndarray数组

ndarray数组的变换

• 对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换
• ndarray数组的维度变换：
  
  例：
  
  
• ndarray数组的类型变换

new_a = a.satype(new_type)

例：

注：astype()方法一定会创建新的数组（原始数据的拷贝），即使两个类型一致。

ndarray数组向列表的转换

Is = a.tolist()

例：

通过索引和切片访问数组

• 索引：获取数组中特定位置元素的过程
• 切片：获取数组元素子集的过程

一维数组的索引和切片

• 与python的列表类似

例：

a[1:4:2]

• 其中’[ ]'里面代表的是：起始编号：终止编号（不含）：步长
• 3元素冒号分割

多维数组的索引

• 多维数组的索引

例：

注：每个维度一个索引值，用逗号分割。

• 多维数组的切片

例：

ndarray数组的运算

• 数组与标量之间的运算作用于数组的每一个元素
  例：计算a与元素平均值的商
  

NumPy一元函数

• 对ndarray中的数据执行元素级运算的函数
  
  
  ps：以上只需理解，无需记忆

NumPy二元函数

例：