Python的数据分析基础包——Numpy

numpy是一个开源的Python计算库，包括了很多数学函数。numpy的主要功能之一是用来操作数组与矩阵。也有人说Python+numpy=matable。
numpy里基本数据都是ndarray（N-dimensional array）类型的。

#导入numpy
>>>import numpy as np

>>>a = [1,2,3,4,5,6,7,8,9]
>>>print(a)

>>>a * 2    #把每个列表重复一遍，而不是数值乘以2

想要对列表的数值乘以2可以通过循环来实现，也可以通过把list转换成ndarray的方法来实现。

#把普通Python中的list转换成ndarray,这样就不用写循环来进行数值运算了，可以直接用这个方法。

>>>A = np.array(a)
>>>print(A)
>>>A

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

>>>print(type(A))

<class 'numpy.ndarray'>

数组运算：

#指定维度来创建多维数组
>>>e = np.array([1,2,3,4,5,6],ndmin=3)
>>>print(e)

[[[1 2 3 4 5 6]]]

#指定维度和数值类型来创建多维数组
>>>f = np.array([1,2,3,4,5,6],ndmin=3,dtype=np.complex) #dtype里的“np.”不能省略
>>>print(f)

[[[1.+0.j 2.+0.j 3.+0.j 4.+0.j 5.+0.j 6.+0.j]]]

ndarry里有一些基本类型

属性	描述
ndarray.ndim	数组轴的个数，也被称作秩
ndarray,shape	数组在每个维度上大小的整数元组
ndarray,size	数组元素的总个数
ndarray.dtype	数组元素的数据类型，dtype 类型可以用于创建数组中
ndarray.itemsize	数组中每个元素的字节大小
ndarray.data	包含实际数组元素的缓冲区地址
ndarray,flat	数组元素的迭代器

可以通过修改数组的shape属性，在保持数组元素个数不变的情况下，改变数组每个轴的长度。

>>>g = np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])
>>>print(g)

>>>g.shape = 4,3
>>>print(g)

注意从(3,4)改为(4,3)并不是对数组进行转置，而只是改变每个轴的大小，数组元素在内存中的位置并没有改变。

>>>g.shape = 2,-1
>>>print(g)

[[ 1  2  3  4  4  5]
 [ 6  7  7  8  9 10]] 

当某个轴的元素为-1时，将根据数组元素的个数自动计算此轴的长度。

>>>h = g.reshape(6,2)
>>>print(h)

[[ 1  2]
 [ 3  4]
 [ 4  5]
 [ 6  7]
 [ 7  8]
 [ 9 10]]

使用数组的reshape方法，可以创建一个改变了尺寸的新数组，原数组的shape保持不变