python数据分析入门（Numpy）

 

目录

4.1 NumPy的ndarray：一种多维数组对象

创建ndarray

ndarray的数据类型

NumPy数组的运算

基本的索引和切片

切片索引

布尔型索引

花式索引

4.2 通用函数：快速的元素级数组函数

4.3 利用数组进行数据处理

将条件逻辑表述为数组运算

数学统计方法

用于布尔型数组的方法

排序

唯一化以及其它的集合逻辑

4.4 用于数组的文件输入输出

---

 

NumPy（Numerical Python的简称）是Python数值计算最重要的基础包。大多数提供科学计算的包都是用NumPy的数组作为构建基础。

4.1 NumPy的ndarray：一种多维数组对象

 

可以创造一个数组，利用这种数组对整块数据进行运算。

import numpy as np

data = np.random.randn(2, 3) # 创造了一个两列三行的数值
data
array([[ 0.6367316 , -0.61215317,  0.24309432],
       [-1.82033836,  0.45495452, -0.31322135]])

进行数学运算：

shape：返回一个代表各维度大小的元组

dtype：返回一个表示数组数据类型的对象

 

创建ndarray

使用array函数创建，它接受一切序列型的对象，然后转化成一个Numpy数组。

嵌套序列将会转换为一个多维数组：

zeros：创建一个全是0的数组

ones：创建一个全是1的数组

empty：创建一个没有任何具体值的数值

 

arange：类似python的range

 

ndarray的数据类型

 

 

astype：将一个数值的dtype转换成另一个dtype

如果将浮点数转化成整数，小数部分将会被截取删除

如果某字符串数组表示的全是数字，也可以用astype将其转换为数值形式：

 

NumPy数组的运算

 

数组之间可以直接进行加减乘除的运算

大小相同的数组之间的比较会生成布尔值数组

In [57]: arr2 = np.array([[0., 4., 1.], [7., 2., 12.]])

In [58]: arr2
Out[58]: 
array([[  0.,   4.,   1.],
       [  7.,   2.,  12.]])

In [59]: arr2 > arr
Out[59]:
array([[False,  True, False],
       [ True, False,  True]], dtype=bool)

 

基本的索引和切片

 

跟python的列表类似，但对它的任何修改都会反映在源数组上

arr = np.arange(10)

arr[5:8]
array([5, 6, 7])

arr[5:8] = 12
arr
array([ 0,  1,  2,  3,  4, 12, 12, 12,  8,  9])

arr_slice = arr[5:8]
arr_slice
array([12, 12, 12])

arr_slice[1] = 12345  # 赋值给另一个对象后，对它进行修改直接影响了原数据
arr
array([    0,     1,     2,     3,     4,    12, 12345,    12,     8,    9])

注意：如果你想要得到的是ndarray切片的一份副本而非视图，就需要明确地进行复制操作，例如arr[5:8].copy()。

 

多维数组：

arr3d[0]是一个2×3数组：

标量值和数组都可以被赋值给arr3d[0]：

 

切片索引

和python列表的一维对象差不多

ndarray的二维数组需要在切片后面再加个“,”