用Python处理数据（一）—— NumPy数组学习

优点：
1.基于向量化的运算
2.数组运算时numpy数组比list效率高

(我用的是jupyter notebook)

创建一维数组：

用到的函数：
arange(x) 生成一个从0到（x-1）的包含x个元素的一维数组

创建多维数组：

用到的函数：
array() 将输入转化为ndarray（N维数组对象（矩阵），所有元素必须是相同类型）

或者：

再或者用到scipy：
scipy 是一种使用numpy来做高等数学、信号处理、优化、统计的扩展包

显示数组形状

用数组的shape属性；
例如一维数组：

二维数组：

选择数组元素

通过a[m,n]形式选择元素（一维数组就不用说了），注意是从0开始；

numpy数值类型

类型	说明
bool	布尔型（值为True或者False）,占用1比特
inti	其长度取决于平台的整数（通常int32或者int64）
int8	字节类型（-128~127）
int16	整型（-32768~32767）
int32	整型（-2^31~2^31-1）
int64	整型(-2^63~2^63-1)
uint16	无符号整型（0~65535）
uint32	无符号整型（0~2^32-1）
uint64	无符号整型（0~2^64-1）
float16	半精度浮点型：符号占用1比特，指数占用5比特，尾数占用10比特
float32	单精度浮点型：符号占用1比特，指数占用8比特，尾数占用23比特
float64或者float	双精度浮点型：符号占用1比特，指数占用11比特，尾数占用52比特
complex64	复数类型，由两个32位浮点型（实部和虚部）表示
complex128或者complex	复数类型，由两个64位浮点数（实部和虚部）表示

dtype属性

一维数组的切片与索引

切片
与Python列表的切片一样：

索引
与Python列表的索引一样：
一维数组索引

二维数组索引

处理数组形状

1.改为指定数组形状

(1)reshape() 函数：

reshape（n,m,p）表示将数组改为n个m乘p数组

(2)resize()函数
resize()函数和reshape()函数类似，但是会改变所作用的数组

(3)用元组指定数组形状

2.将多维数组转化为一维数组

(1)拆解：ravel()函数

ravel()函数默认降维时行序优先，但是可以给一个参数让列序优先。

(2)拉直：flatten()函数

flatten()函数和ravel()一样默认降维时行序优先，但是可以给一个参数让列序优先。

ravel() 函数和 flatten() 函数的区别：
ravel()只是返回数组的视图，会改变原来的数组；flatten()函数返回的是真实的数组，需要分配新的内存空间

3.数组转置

(1)narray.T()函数：

(2)transpose()函数：

4.数组堆叠

(1)水平叠加：用元组确定ndarrays数组的形状，然后由hstack()函数来码放这些数组

PS:用concatenate()函数也能达到同样的效果,参数axis=1

(2)垂直叠加：先构建一个元组，然后用vstack()函数来码放

PS:用concatenate()函数也能达到同样的效果,参数axis=0

(3)列式堆叠：用column_stack()函数以列的方式对一维数组进行堆叠

PS：用这种方法堆叠二维数组时，过程类似于hstack()函数

(4)行式堆叠：用row_stack()函数以列的方式对一维数组进行堆叠

PS：用这种方法堆叠二维数组时，过程类似于vstack()函数

(5)深度叠加：沿着第三个坐标轴（纵向）的方向来叠加一摞数组，就像在一个数据图像的二维数组上叠加另一幅图像的数据

5.数组的拆分

(1)横向拆分：用hsplit()函数沿着横轴方向将数组拆分（即x轴）

PS：用split()函数也能达到同样的效果,参数axis=1

(2)纵向拆分：用vsplit()函数沿着纵轴方向将数组拆分（即y轴）

PS：用split()函数也能达到同样的效果,参数axis=0

(3)深向拆分：用dsplit()函数沿着深度方向将数组拆分（即z轴）

6.numpy数组的一些属性

ndim属性：储存维度数量
size属性：保存元素数量
itemsize属性：返回各个元素所占字节
nbytes属性：储存整个数组所需字节数量

7.数组的转换

转换为列表

用astype()函数转换为指定类型

转化为int类型时虚部会被丢掉，所以会报错。

花式索引

花式索引是在一个内部的numpy迭代器对象的基础上实现的。
下图利用花式索引将照片上的对角线置0；