【Python】NumPy库基本使用

本文整理自《Python数据分析实战》

1. ndarray:NumPy库的心脏

1.1 array()函数

最常用于创建数组的方法是使用array()函数，参数为单层或嵌套列表：

# 单层列表
>>> np.array([1,2,3])
array([1, 2, 3])

# 嵌套列表
>>> np.array([[1,2,3],[4,5,6]])
array([[1, 2, 3],
       [4, 5, 6]])

参数还可以是嵌套元组或元组列表：

# 嵌套元组
>>> np.array(((1,2,3),(4,5,6)))
array([[1, 2, 3],
       [4, 5, 6]])

# 元组列表
>>> np.array([(1,2,3),(4,5,6)])
array([[1, 2, 3],
       [4, 5, 6]])

此外，参数可以是元组或列表组成的列表：

>>> np.array([(1,2,3),[4,5,6],(7,8,9)])
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

1.2 数据类型

数据类型	描述
bool_	以字节存储的布尔值（True 或 False）
int_	默认的整数类型（和 C 的 long 一样，是 int64 或者 int32）
intc	和 C 的 int 相同（一般为 int64 或 int32）
intp	用于下标的整数（和 C 的 ssize_t 相同，一般为int64 或者 int32）
int8	字节（-128 到 127）
int16	整数（-32768 到 32767）
int32	整数（-2147483648 到 2147483647）
int64	整数（-9223372036854775808 到 9223372036854775807）
uint8	无符号整数（0 到 255）
uint16	无符号整数（0 到 65535）
uint32	无符号整数（0 到 4294967295）
uint64	无符号整数（0 到 18446744073709551615）
float_	float64 的简写
float16	半精度浮点：1位符号，5位指数，10位尾数
float32	单精度浮点：1位符号，8位指数，23位尾数
float64	双精度浮点：1位符号，11位指数，52位尾数
complex_	complex128 的简写
complex64	由两个32位浮点（实部和虚部）组成的复数
complex128	由两个64位浮点（实部和虚部）组成的复数

1.3 dtype选项

array()函数默认根据列表或元素序列中各元素的数据类型，为ndarray()对象指定最合适的数据类型。可以用dtype选项作为函数array()的参数，明确指定dtype的类型。

比如要定义一个复数数组：

>>> np.array([[1,2,3],[4,5,6]],dtype=complex)
array([[ 1.+0.j,  2.+0.j,  3.+0.j],
       [ 4.+0.j,  5.+0.j,  6.+0.j]])

1.4 自带的数组创建方法

NumPy库有几个函数能够生成包含初始值的N维数组：

• zeros()
• ones()
• arange()
• reshape()
• linspace()
• random()

zeros()函数能够生成由shape参数指定维度信息、元素均为零的数组：

>>> np.zeros((3,3))
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

ones()函数与zeros()函数相似，生成元素均为1的数组：

>>> np.ones((3,3))
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])

arange()函数根据参数生成包含一个数值序列的数组：

# 生成从0到9的数组
>>> np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

# 生成从4到9的数组
>>> np.arange(4,10)
array([4, 5, 6, 7, 8, 9])

# 按步长为2生成从0到9的数组
>>> np.arange(0,10,2)
array([0, 2, 4, 6, 8])

# 按步长为0.6生成从4到9的数组
>>> np.arange(4,10,0.6)
array([ 4. ,  4.6,  5.2,  5.8,  6.4,  7. ,  7.6,  8.2,  8.8,  9.4])

reshape()函数通常结合arange()函数使用，改变数组的型：

# 将一维数组a变为3*4的数组
>>> a=np.arange(12).reshape((3,4))
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

# 将a变回为一维数组
>>> a.reshape((12,))
array([ 0,  1,