【Python数据分析与展示】（一）numpy基础

ndarray

import numpy as np
a = np.array([[1,2,3,4,5],
             [9,8,7,6,5]])
print(a)

轴（axis）：数据的维度 秩（rank）：轴的数量

ndarray对象的属性

属性	说明
.ndim	秩，即轴的数量，或维度的数量
.shape	ndarray对象的尺度，对于矩阵表示n行m列
.size	ndaaray对象元素的个数，相当于n*m的值
.dtype	对象的元素类型
.itemsize	ndarray对象中每个元素的大小，以字节为单位

使用nuympy函数创建ndarray

函数	说明
np.arange（n）	0到n-1
np.ones(shape)	生成一个全一的数组，shape是一个元组类型
np.zeros（shape）	生成一个全零的数组，shape是一个元组类型
np.emty(shape)	生成近似于空的数组
np.full(shape，val)	每个元素值都是val
np.eye(n)	生成一个n*n单位矩阵，对角线为1，其余全0
np.ones_like（nparry）	生成一个和目标相同shape的全一数组
np.zeros_like（nparry）
np.empty_like（nparry）
np.full_like（nparry，val）
np.linspace（start, stop, num=50, endpoint=True）	等间距生成数组
np.concatenate(a,b)	合并两个数组成一个

维度变换方法

函数	说明
.reshape((a, newshape, order=’C’))	不改变数组元素，返回一个newshape形状的数组
.resize(shape)	与reshape一样，不过修改原数组
.swapaxes(ax1,ax2)	将两个维度进行调换
.platten()	降维

代码实例

a = np.arange(6).reshape((3, 2))
a # array([[0, 1],
           [2, 3],
           [4, 5]])
a.flatten() #array([0,1, 2, 3, 4, 5])

数组的索引和切片

"""索引 """
a = np.arange(24).reshape(2,3,4)
a
 #array([[[ 0,  1,  2,  3],
          [ 4,  5,  6,  7],
          [ 8,  9, 10, 11]],

         [[12, 13, 14, 15],
          [16, 17, 18, 19],
          [20, 21, 22, 23]]])
a[1,2,3] #23
a[1,2,-1] # 23
""" 切片 """
a[:,1,-3] # 5,17
a[:,1:3,:] 
#array([[[ 4,  5,  6,  7],
         [ 8,  9, 10, 11]],

        [[16, 17, 18, 19],
         [20, 21, 22, 23]]])
a[:,:,::2] # ：：2表示步长跳跃
#array([[[ 0,  2],
        [ 4,  6],
        [ 8, 10]],

       [[12, 14],
        [16, 18],
        [20, 22]]])
""" 运算 """
""" 数组与标量的计算，对应到a中每一个元素，略 """

一元函数

函数	说明
np.abs()	绝对值
np.sqrt()	平方根
np.square()	平方
np.log() np.log10() np.log2()	对数
np.ceiling() np.floor()	ceiling是进一 floor是退一
np.rint	四舍五入整数
np.modf(x)	将数组的小数和整数部分已两个独立数组返回
np.sin(x) …	三角函数
np.exp(x)	指数函数
np.sign(x)	返回各元素的符号 正负号

二元函数

函数	说明
+-*/ **
np.maximum(x,y) np.fmax()
np.minimum(x,y) np.fmin()
np.mod(x,y)
np.copysign(x,y)	把y的符号赋给x
>< >= <= == !=	算数比较，产生一个布尔数组