NumPy基本操作与常用函数

声明

本文涉及的代码基于python 3.6.5 numpy 1.14.3
使用numpy模块之前首先需要在代码之前导入该模块

import numpy as np

文中会用到world_alcohol.txt文件，其中的数据格式如下所示（第一行为标题）：

Year,WHO region,Country,Beverage Types,Display Value
1986,Western Pacific,Viet Nam,Wine,0
1986,Americas,Uruguay,Other,0.5
1985,Africa,Cte d'Ivoire,Wine,1.62
1986,Americas,Colombia,Beer,4.27

创建数组

numpy.array()函数的输入参数可以是一个list或者是list of lists。
当输入参数为list时，我们得到一个一维数组。

vector = np.array([5, 10, 15, 20])
print(vector)
# [ 5 10 15 20]

当输入参数为list of lists时，我们可以得到一个矩阵。

matrix = np.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]])
print(matrix)
# [[ 5 10 15]
#  [20 25 30]
#  [35 40 45]]

我们可以使用numpy.arange()方法创建给定区间，固定步长的数组或矩阵，例如：

vector = np.arange(15)
print(vector)  # [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]

我们还可以使用ndarray的reshape方法得到自己想要形状的矩阵：

matrix = np.arange(21, 81, 3).reshape(4, 5)
print(matrix)
# [[21 24 27 30 33]
#  [36 39 42 45 48]
#  [51 54 57 60 63]
#  [66 69 72 75 78]]

我们还可以利用numpy.zeros()方法和numpy.ones()方法获取全0矩阵和全1矩阵。

z = np.zeros((2, 3))
print(z)
# [[0. 0. 0.]
#  [0. 0. 0.]]
o = np.ones((2, 3), dtype=int)
print(o)
# [[1 1 1]
#  [1 1 1]]

我们还可以利用随机数创建矩阵：

# 利用[0, 1)之间的随机数创建2行3列的矩阵
r = np.random.random_sample((2, 3))
print(r)
# [[0.1013597  0.41281383 0.2252911 ]
#  [0.4636549  0.92180822 0.60799557]]

# 利用[2, 7)之间的随机数创建2行3列的矩阵
r = 5 * np.random.random_sample((2, 3)) + 2
print(r)
# [[2.87507067 6.21924318 5.68927464]
#  [4.96606253 4.44709691 2.54297613]]

# 利用[0, 20)之间的随机整数创建2行3列的矩阵
r = np.random.randint(0, 20, size=(4, 5))
print(r)
# [[19  0  7 15  0]
#  [12  2  6 16  1]
#  [10 15 12 19 11]
#  [11 17 13 12 10]]

# # 利用标准正态分布创建2行2列的矩阵
r = np.random.randn(2, 3)
print(r)
# [[-0.10322776  0.64940133 -0.33607361]
#  [-0.71023991  0.53969707  0.60760233]]

另外，numpy.linspace()方法也可以用来创建数组或矩阵，效果和numpy.arange()类似。

lin = np.linspace(2.0, 3.0, num=5)
print(lin)
# [2.   2.25 2.5  2.75 3.  ]

需要注意的是，numpy.linspace()默认的是在闭区间内获取数据，可以设置endpoint=False设置为左闭右开区间。另外，numpy.arange()方法利用step参数设置区间步长，而numpy.linspace()方法利用num参数设置区间内获取的数据个数，默认是50个。
还有很多方法可以创建numpy数组或矩阵，后面发现会继续完善。

shape属性

我们可以使用ndarray.shape属性获取数组中的元素个数或者说数组的形状。

print(type(vector))
print(type(matrix))
print(vector.shape)
print(matrix.shape)
# <class 'numpy.ndarray'>
# <class 'numpy.ndarray'>
# (4,)
# (3, 3)

dtype属性

需要注意的一点是numpy数组中的每个值必须具有相同的数据类型，当利用lists创建数组时或者读取数据到数组中时，numpy将自动确定适当的数据类型。我们可以是使用numpy数组的dtype属性检查数组的数据类型

numbers = np.array([1, 2, 3, 4])
print(numbers.dtype)  # int32
numbers = np.array([1, 2, 3, '4'])
print(numbers.dtype)  # <U11

ndim属性

我们可以用ndim属性获取矩阵的维度。例如：

matrix = np.arange(6).reshape(2, 3)
print(matrix)
# [[0 1 2]