Python数据分析-Numpy

Numpy特点

——如果有想关注Java开发相关的内容，可以转Java修炼之道
详细观看——

Numpy作为使用Python进行科学计算的常用库，有着如下特点：

• 提供了N维数组（矩阵），快速高效，矢量数学运算；
• 高效的Index，不需要循环，因为底层实现采用了C语言开发。

常见的数组和矩阵的方法

数组和矩阵的创建与维度信息

• numpy.array()

  ## 数组的创建
  vector = numpy.array([1,2,3,4])
  
  ## 矩阵的创建
  matrix = numpy.array([
      [1,2,3],
      [4,5,6],
      [7,8,9]
  ])
  

• shape

  ## 打印数组的维度信息
  vector.shape() ——》(4,) # 数组中存在4个元素
  
  ## 打印矩阵的维度信息
  matrix.shape()——》(3,3) #三行三列
  

• reshape

  eg:
  a = np.arange(15).reshape(3, 5) #随机创建3行5列的矩阵
  Out:
     [[ 0  1  2  3  4]
     [ 5  6  7  8  9]
     [10 11 12 13 14]]
  a.ndim # 返回其维数 即 2
  

  注意：

  • reshape可以创建一个改变了尺寸的新数组，但是原始数组的shape是不会发生变化的。

  • reshape(-1):数组新的shape属性应该要与原来的配套，如果等于-1的话，那么Numpy会根据剩下的维度计算出数组的另外一个shape属性值。

    eg：
    z = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8],
              [9, 10, 11, 12],
              [13, 14, 15, 16]])
    z.shape
      Out:(4, 4)
    z.reshape(-1)
      Out:array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16])
    

  • reshape(-1,1):在不知道有多少行的情况下，转变成一列数据

    eg:
    z.reshape(-1,1)
    Out:array([[ 1],
            [ 2],
            [ 3],
            [ 4],
            [ 5],
            [ 6],
            [ 7],
            [ 8],
            [ 9],
            [10],
            [11],
            [12],
            [13],
            [14],
            [15],
            [16]])
    
    

  • reshape(-1,2):在不知道有多少行的情况下，转变成2列数据

    eg:
    z.reshape(-1, 2)
    Out:array([[ 1,  2],
            [ 3,  4],
            [ 5,  6],
            [ 7,  8],
            [ 9, 10],
            [11, 12],
            [13, 14],
            [15, 16]])
    

• linspace

  • 一般情况下，先创建python序列，通过array函数转换城数组，这样的效率不高，但是可以直接通过arange函数，指定开始值、终值和步长来创建一维数组（数组不包括终止值）。

  • linspace函数通过指定开始值、终值和元素的个数来创建一维数组。但是可以通过endpoint关键字来指定是否包括终值，缺省值默认为包括终止值。

    eg:
    np.linspace(0, 1, 10) # 步长为1/9
    Out:——》array([ 0. , 0.11111111, 0.22222222, 0.33333333, 0.44444444,0.55555556, 0.66666667, 0.77777778, 0.88888889, 1. ])
    
    
    

• logspace

  logspace函数和linspace类似，不过它创建等比数列

  eg：
  np.logspace(0, 2, 20) # 产生1(10^0)到100(10^2)、有20个元素的等比数列
  
  array([ 1. ,    1.27427499,   1.62377674,    2.06913808,
  2.6366509 ,   3.35981829,   4.2813324 ,    5.45559478,
  6.95192796,  8.8586679 ,    11.28837892, 14.38449888,
  18.32980711, 23.35721469, 29.76351442, 37.92690191,
  48.32930239, 61.58482111, 78.47599704, 100. ])
  

• **zeros()、ones()、empty()**可以创建指定形状和类型的数组

  zeros_like()、ones_like()、empty_l