利用python进行数据分析学习笔记1(NumPy)

常用模块的命名惯例

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

import seaborn as sns

import statsmodels as sm

numpy基础

NumPy的ndarray是一种多维数组对象，创建一个ndarray实例

import numpy as np
data = np.random.randn(3,5)

调用numpy库中的random模块的randn函数，这个函数根据标准正态分布随机产生一个数，生成了一个二维数组，每个列表中有五个元素，可以直接对数组进行数学运算，计算会应用在每个元素上。

data * 10

每个数组都有shape和dtype属性，前者表示各维度大小，后者说明数组中的数据类型的对象

创建ndarray

array是数组创建函数，它将输入数据(列表、元祖、数组或其它序列类型)转换为ndarray。

新建一个列表，将列表作为参数传到array中。

data1 = [1,2,3,4,5]
arr1 = np.array(data1)

如果是嵌套序列，则生成多维数组

data2 = [[10, 9, 8, 7], [6, 5, 4, 3]]
arr2 = np.array(data2)

数组的ndim属性返回数组的维度，如上面的data是个二维数组。

zeros和ones函数创建全0和全1的数组。

test1 = np.zeros(10)        #表示创建一个10个元素的一维数组

test2 = np.zeros((2,2))      #表示创建一个二维数组

test3 = np.zeros((2,2,2))     #表示创建一个三维数组

zeros_like和ones_like函数，以另一个数组为参数，根据其形状创建一个全0或全1的数组。

比如上面的test4是一个内含15个元素的一维数组。

test5 = np.zeros(test4)     #表示创建一个和test4一样的一维数组，由15个0组成

numpy中的arange函数是python内置函数range的数组版。

test4 = np.arange(15)      #表示创建一个一维数组，由0~14组成

full函数有两个参数，参数一是数组形状，参数二是指定填充的数据。

test6 = np.full((2,2),3)     #表示创建一个两行两列的数组，用3填充

eye函数生成对角数组，第一个参数和第二个参数表示数组规模，如eye(2,4)表示创建两行四列的数组，如果只输入第一个参数则默认第二个参数和第一个参数相同。第三个参数默认是0，表示从左上到右下的对角线用1填充，其余都是0，如果是k=2，表示左上第二条对角线(从0开始)用1填充，如果是负数，则从右下角算。

test7 = np.eye(2)    #创建一个2*2的数组，左上到右下对角线用1填充

还有一个identity函数和eye相近，不过只能创建正方形数组

数组的数据类型

通过array创建数组时，通过dtype可以将数据设置为指定类型。

test = np.array([1,2,3,4,5,6])        #默认是int64

通过astype可以进行修改

test2 = test.astype(np.float64)