打造属于自己的量化投资系统7——Numpy的数组基础用法

1.numpy简介

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组，的每个元素在内存中都有相同存储大小的区域。
ndarray 内部由以下内容组成：

• 一个指向数据（内存或内存映射文件中的一块数据）的指针。 数据类型或 dtype，描述在数组中的固定大小值的格子。
• 一个表示数组形状（shape）的元组，表示各维度大小的元组。
• 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。
• 跨度可以是负数，这样会使数组在内存中后向移动，切片中 obj[::-1] 或 obj[:,::-1]

2.ndarry对象

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

• object:数组或嵌套的数列 dtype:数组元素的数据类型，可选 copy:对象是否需要复制，可选
• order:创建数组的样式，C为行方向，F为列方向，A为任意方向（默认） subok:默认返回一个与基类类型一致的数组
• ndmin:指定生成数组的最小维度

import numpy as np

#numpy.array(object, dtype = None, copy = True, order = None, 
#              subok = False, ndmin = 0)

#一维数组
np_array=np.array([1,2,3])
print(np_array)

#2维数组
np_array2=np.array([[1,1,1],[2,2,2]])
print(np_array2)


#n维数组
#np_arrayn=np.array([[1,1,1],[2,2,2],[3,3,3]...])

#ndmin:指定生成数组的最小维度
#例如指定生成3维度
np_array_ndmin2=np.array([1,2,3,4,5],ndmin=3)
print(np_array_ndmin2)

3.ndarray数据类型

numpy.dtype(object, align, copy)

• object - 要转换为的数据类型对象
• align - 如果为 true，填充字段使其类似 C 的结构体。
• copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用

import numpy as np
#numpy.dtype(object, align, copy)

#使用标量类型
np_dt_bool=np.dtype(np.bool_)
print(np_dt_bool)
np_dt_int=np.dtype(np.int64)
print(np_dt_int)

#darry调用数据类型，例如调用整型
np_array_dt_int=np.array([1,2,3],dtype=np_dt_int)
print(np_array_dt_int)

4.ndarray数组属性

NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2，以此类推。
在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

• ndarray.ndim :秩，即轴的数量或维度的数量
• ndarray.shape :数组的维度，对于矩阵，n 行 m 列
• ndarray.size :数组元素的总个数，相当于 .shape 中 n*m 的值
• ndarray.dtype :ndarray 对象的元素类型
• ndarray.itemsize: ndarray 对象中每个元素的大小，以字节为单位
• ndarray.flags :ndarray 对象的内存信息
• ndarray.real :ndarray元素的实部
• ndarray.imag :ndarray 元素的虚部
• ndarray.data :包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

import numpy as np

np_array_attribute=np.array([[1,1,1,1,1],[2,2,2,2,2]])
print('数组大小=',np_array_attribute)
np_ndim=np_array_attribute.ndim
print('数组维度=',np_ndim)

#ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，
#即 ndim 属性(秩)。比如，一个二维数组，其维度表示"行数"和"列数"。
np_shape=np_array_attribute.shape
print('数组的维度=',np_shape)

np_reshape=np_array_attribute.reshape(2,5)
np_ndim3=np_reshape.ndim
print('调整以后的数组维度',np_ndim3)


#ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。
np_itemsize=np_array_attribute.itemsize
print(np_itemsize)

5.NumPy 创建数组

ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。

5.1 numpy.empty 方法

• numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：
• numpy.empty(shape, dtype = float, order = ‘C’)
• shape:数组形状
• dtype:数据类型，可选
• order:有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

import numpy as np

#numpy.empty(shape, dtype = float, order = 'C')
np_empty=np.empty([2,3],dtype=int)
print(np_empty)

5.2 numpy.zeros方法

创建指定大小的数组，数组元素以 0 来填充：

• numpy.zeros(shape, dtype = float, order = ‘C’)
• shape:数组形状
• dtype:数据类型，可选
• order:‘C’ 用于 C 的行数组，或者 ‘F’ 用于 FORTRAN 的列数组

import numpy as np

#numpy.zeros(shape, dtype = float, order = 'C')
np_zeros=np.zeros([2,3],dtype=float)
print('创建数组1',np_zeros)

np_zeros2=np.zeros((2,1),dtype=np.int)
print('创建数组2\n',np_zeros2)

5.3 numpy.ones方法

创建指定形状的数组，数组元素以 1 来填充：
numpy.ones(shape, dtype = None, order = ‘C’)

• shape:数组形状
• dtype:数据类型，可选
• order:‘C’ 用于 C 的行数组，或者 ‘F’ 用于 FORTRAN 的列数组

import numpy as np

#numpy.ones(shape, dtype = None, order = 'C')
np_ones=np.ones((2,1),dtype=np.int)
print('创建数组\n',np_ones)

5.4 numpy.asarray 方法

numpy.asarray(a, dtype = None, order = None)

• a：任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
• dtype：数据类型，可选
• order：可选，有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序

import numpy as np

#numpy.asarray(a, dtype = None, order = None)
np_asarray_list=np.asarray([5,6,8])
print('将list转换为array数组',np_asarray_list)

np_asarray_tuple=np.asarray((4,7,3))
print('将tuple转换为array数组',np_asarray_tuple)


np_asarray_list_tuple=np.asarray([(5,5,5),(8,8,8)])
print('将元组列表转换为数组',np_asarray_list_tuple)