numpy入门教程1

一、Numpy基本知识

NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库 。下面我们一起来了解numpy的使用叭~

1. 基本操作

（1）ndarray格式的数据可以直接±，表示对里面每个元素执行该操作，而list不可以：

array1 = np.array([1,2,3,4,5])
array1 = array1 + 1

（2）查看ndarray的shape大小，直接调用.shape方法，而list不可以:

array2 = np.array([[1,2,3],
                   [4,5,6]])
array2.shape

（3）查看每个元素占几个字节（ndarray里面每个元素一定是相同类型的。不同也会自动向下转为相同类型）：

array2.itemsize

（4）查看ndarray中的元素类型：

array2.dtype

（5）查看ndarray中有多少个元素：

array2.size

（6）查看ndarray的维度数：

array2.ndim

（7）将每个元素都赋值为0：

array4.fill(0)

2. 索引与切片

（1）取ndarray第一个元素（第0个）：

array = np.array([1,2,3,4,5])
array[0]

（2）取出第1，2个元素

array[1:3]

区间是左闭右开！！！！

（3）从倒数第二个到最后一个

array[-2:]

（4）对高维ndarray进行修改

array0 = np.array([[1,2,3],
                   [4,5,6],
                   [7,8,9]])
array0[1,1] = 10
array0

可以观察到第一行第一列的元素的值已经被修改👇

（5）取出第一行全部元素

array0[1]

（6）取出第一列所有元素

array0[:,1]

注：‘ ：’表示每一行都保留

(7) 将原ndarray更改后的结果保存于其他ndarray，原变量的元素不变

错误：

array_new = array0
array_new[1,1]=100

正确：

array_newer = array_new.copy()
array_newer[1,1] = 999

由于(4)中赋值修改会使得原array直接被更改，即赋值就代表前后指向相同的内存，修改A同时B也被修改

(8) bool索引

df = np.arange(0,100,10)
mask = np.array([0,0,0,4,1,1,0,0,9,0],dtype=bool)
df[mask]

这里mask是有True和False组成的bool类型的ndarray，以此为例，形式如下👇

array([False, False, False,  True,  True,  True, False, False,  True,
       False])

将其作为df的bool索引，可以进行数据的筛选，帅选结果为30，40，50，80

（9）产生10个0~1的随机数，筛选大于0.5的所有元素

random_array = np.random.rand(10)
bool_array = random_array > 0.5
random_array[bool_array]

其实也是利用了bool索引来对数据进行筛选。也可以👇来获得bool索引位True所对应原ndarray的真实索引

np.where(random_array > 0.5)