同花顺Supermind量化交易 Python基础编程--numpy

Numpy是高性能科学计算和数据分析的基础包。Numpy本身并没有提供多么高级的数据分析功能，理解 Numpuy 数组以及面向数组的计算将有助于你提高处理数据能力。本节内容介绍ndarray数组和矩阵。

第五节：numpy

　　Numpy是高性能科学计算和数据分析的基础包。Numpy本身并没有提供多么高级的数据分析功能，理解 Numpuy 数组以及面向数组的计算将有助于你提高处理数据能力。本节内容介绍ndarray数组和矩阵。

一、ndarray数组基础

　　使用 ndarray 数组，需要导入 Numpy 函数库。
　　导入方法1：直接导入该函数库：

In [1]:

from numpy import *

　　导入方法2：指定导入库的别名（在引入多个库的时候，推荐使用这个方法）。

In [2]:

import numpy as np

　　下面正式进入Numpy的数组世界。如果没有说明，所称数组均为 Numpy 数组对象，与 Python 的列表和 array模块无关。

1.1 创建数组

　　创建数组是进行数组计算的第一步，可以通过numpy库包内的array()函数定义数组实例对象，其参数为Python 的序列对象，如果想定义多维数组，则传递多层嵌套的序列。
　　例如下面这条语句定义了一个二维数组，其大小为（2,3），即有2行，3列。

In [3]:

a = np.array([[1,2,3.0],[2,3,4.0]])
print(a)

[[ 1.  2.  3.]
 [ 2.  3.  4.]]

　　以下三种操作，可以帮助我们查看数组的一些属性：
　　查看行数使用 ndim

In [4]:

a.ndim

Out[4]:

2

　　查看数组的维数使用shape，返回(n,m)， 其中 n 为行数，m 为列数。

In [5]:

a.shape

Out[5]:

(2, 3)

　　查看元素的类型使用dtype，比如 numpy.int32、numpy.float64

In [7]:

a.dtype

Out