简单学习Numpy

Numpy学习笔记

1.数组

import numpy as np

vctor = [1,2,3]#该数组的成立时又Python来成立的
matrix = np.array([[1,'张麻子'],[2,'黄四郎']])#本质上只能进入一个数组，其数组内为一个二维数组
print(matrix)

aran = np.arange(15)#自动生成一个15个元素的一维数组，其内容用数字填充
aran = np.arange(15).reshape(3,5)#使其成为二维数组，代表三行五列
print(aran)
print(aran.shape)#获取数组的维度

2.读取数据

numpy中的genfromtxt方法
np.genfromtxt(‘url’,’ ') ’ '表示读取是以空格进行分割，之后会返回一个多维数组

注意：numpy中的数组的类型必须都是相同的类型，Numpy可以自动判断数组内数据的类型，
我们可以通过numpy的dtype属性来判断数组内对象的数据类型

3.正确读取数据

在读取数据时如果出错，那么在得到的多维数组中会出现数据类型na（not available）和nan（not a number）,na表示读取的数值是空的、不存在的，nan是因为数据类型转换出错。对于nan的出错，我们可以用genfromtxt()来转化数据类型。可以在genfromtxt()方法中设置关键字参数

1.dtype关键字要设定为‘U75’.表示每个值都是75byte的unicode。
2.skip_header关键字可以设置为整数，这个参数可以跳过文件开头的对应的行数，然后再执行任何其他操作。

4.数组切片

Numpy支持切片

例如现在有一个三行二列的数组：

print（matrix[:，1]）语法代表选择所有的行，但是列的索引是1的数据。那么就返回10，25，40。
print（matrix[:，0:2]）代表的是选取所有的行，列的索引是0和1。
print（matrix[1:3，:]）代表的是选取行的索引值1和2以及所有的列。
print（matrix[1:3，0:2]）代表的是选取行的索引1和2以及列的索引是0和1的所有数据。

5.数组比较
numpy强大的地方在于数组和矩阵的比较，数据比较之后会产生Boolean值

输出结果：

6.数组替代

#数组替代
arr = np.array([10,20,30,40])
Isequal = (arr == 10) | (arr == 20)#查找数组中条件成立的元素
print(Isequal)
arr[Isequal] = 15#为true的元素会被替换掉
print(arr)
#那么矩阵中的数组替代也一样

前面我们说到过，在数组中有一些我们的空值。比如 na 和 nan 数据类型，而且Numpy要求数组中的数据元素是一致的，所以我们就可以运用这种方法来替换掉数组中其他的元素。

7.数据类型转换

Numpy ndarray数据类型可以通过参数dtype设定，而且可以使用astype转换类型，在处理文件时这个会很实用，注意astype调用会返回一个新的数组，也就是原始数据的一份复制。

注意：上述例子中，如果字符串中包含非数字类型的时候，从string转float就会报错。

8.Numpy的统计计算方法

比较重要的有：

sum()：计算数组元素的和；对于矩阵计算结果为一个一维数组，需要指定行或者列。
mean()：计算数组元素的平均值；对于矩阵计算结果为一个一维数组，需要指定行或者列。
max()：计算数组元素的最大值；对于矩阵计算结果为一个一维数组，需要指定行或者列。
需要注意的是，用于这些统计方法计算的数值类型必须是int或者float。

如上述例子所示，axis=1计算的是行的和，结果以列的形式展示。axis=0计算的是列的和，结果以行的形式展示。

9.后面还需要对pandas、SciPy等常用Python库进行一些学习