《利用python进行数据分析》第4章学习笔记（1）

第4章 NumPy基础：数组和矢量计算（Part1）

目录

第4章 NumPy基础：数组和矢量计算（Part1）

NumPy的ndarray：一种多维数组对象

创建ndarray

ndarray创建函数：

array函数

zeros和ones函数

empty函数

arange函数

np.array中的一些常用方法

dtype方法

shape方法

ndim方法

ndarray的数据类型

astype方法

数组和标量之间的运算

相同大小的数组

数组与标量

不同大小的数组

---

NumPy的ndarray：一种多维数组对象

NumPy最重要的一个特点就是其N维数组对象（即ndarray）。该对象是一个快速而灵活的大数据容器集。你可以利用这种数组对整块数据执行一些数学运算，其语法跟标量元素之间的运算一样：

In [4]: data
Out[4]: 
array([[1, 3, 4],
       [6, 2, 5]])

In [5]: data + 10
Out[5]: 
array([[11, 13, 14],
       [16, 12, 15]])

In [6]: data * data
Out[6]: 
array([[ 1,  9, 16],
       [36,  4, 25]])

ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。每个数组都有一个shape（一个表示各维度大小的元组）和一个dtype（一个用于说明数组数据类型的对象）：

In [7]: data.shape
Out[7]: (2, 3)

In [8]: data.dtype
Out[8]: dtype('int32')

创建ndarray

ndarray创建函数：

array函数

创建数组最简单的办法就是使用array函数。它接受一切序列型的对象，包括其他数组，然后产生一个新的含有传入数据的NumPy数组：

import numpy as np

data = [[1, 2, 3], [4, 5, 6]]
arr = np.array(data)

In [13]: arr
Out[13]: array([[1, 2, 3],
               [4, 5, 6]])

zeros和ones函数

zeros和ones分别可以创建指定长度或形状的全0或全1数组。只需传入一个表示形状的元组即可：

#code
data = np.zeros((3, 4))
print(data)

#output
[[0. 0. 0. 0.]
 [0. 0.