NumPy的知识要点

NumPy的介绍

• NumPy是Numerical Python的缩写
• 高性能科学计算和数据分析的基础包
• ndarray，多维数组（矩阵），具有矢量计算能力，快速、节省空间
• 矩阵运算，无需循环，可完成类似Matlab的矢量计算
• 线性代数、随机数生成
• 常用import numpy as np

注：在jupyter notebook中进行示例。

ndarray，N维数据对象（矩阵）
所有元素必须是相同类型
示例：创建ndarray多维数组

ndim属性，维度个数
shape属性，各维度大小
dtype属性，数据类型
示例：ndim, shape 和 dtype 属性

np.array(collection),collection为序列型对象（list），嵌套序列（list of list）
示例：list转换为 ndarray

np.zeros,np.ones,np.empty指定大小的全0或全1数组
注意第一个参数是元组，用来指定大小，如（3,4）
empty不是总返回全0，有时返回的是未初始的垃圾值
示例：np.zeros, np.ones 和 np.empty

np.arange()类似range()
执行np.arange(n)，会生成从0到n-1的数字的ndarray对象。
示例：

当你看到“数组”、“Numpy数组”、“ndarray”时，基本上都指的是同一样东西，即ndarray对象。
ndarray数据类型
dtype，类型名+位数，如float64，int32
转换数据类型astype
示例：

矢量化
矢量运算，相同大小的数组键间的运算应用在元素上
矢量和标量运算，“广播”的意思是将标量“广播”到各个元素
示例：

索引与切片
一维数组的索引与Python的列表索引功能相似
多维数组的索引
arr[r1:r2,c1:c2]
arr[1,1]等价arr[1][1]
[:]代表某个维度的全部数据
示例：

条件索引
布尔值多维数组 arr[condition] condition可以是多个条件组合
注意，多个条件组合要使用 & |，而不是end or
示例：

维数转换
转置 transpose
高维数组转置要指定维度编号（0,1,2…）
示例：

通用函数
元素级运算

常用的通用函数
ceil 向上最接近的整数
floor 向下最接近的整数
rint 四舍五入
isnan 判断元素是否为NaN(Not a number)
multiply 元素相乘
divide 元素相除
示例：

np.where
矢量版本的三元表达式 x if condition else y
np.where(condition,x,y)
示例：

常用的统计方法
np.mean，np.sum
np.max，np.min
np.std，np.var
np.argmax，np.argmin
np.cumsum，np.cumprod
注意多维的话要指定统计的维度，否则默认是全部维度上做统计。
np.all和np.any
all，全部满足条件
any，至少有一个元素满足条件
示例：

np.unique
找到唯一值并返回排序结果
示例：

操作文本文件
读取
np.loadtxt
示例：