Python3科学计算库numpy的基本用法

标准安装的Python的中用列表（名单）保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。

NumPy的诞生弥补了这些不足，NumPy提供了两种基本的对象：ndarray（N维数组对象）是存储单一数据类型的多维数组，ufunc（通用函数）是能够对数组的每个元素进行处理的函数 .NumPy内置的许多ufunc函数都在C语言级别实现的，因此它们的计算速度非常快。

把数据转换成矩阵的形式，用numpy的封装函数对矩阵进行操作。

一、用numpy读写数据文件

example=open('drink.txt','w+') ##写一个数据文件drink.txt
example.write('Year,WHO_Region,Country,Beverage Types,Display Value\
\n1986,Western Pacific,Viet Nam,Wine,0\
\n1986,Americas,Uruguay,Other,0.5\
\n1985,Africa,Cte d\'Ivoire,Wine,1.62')
example.close()  

example = open('drink.txt',"r+")
print(example.read())

Year,WHO_Region,Country,Beverage Types,Display Value
1986,Western Pacific,Viet Nam,Wine,0
1986,Americas,Uruguay,Other,0.5
1985,Africa,Cte d'Ivoire,Wine,1.62

import numpy
drink = numpy.genfromtxt('drink.txt',delimiter=',')
##genfromtxt读取数据集，存成array格式；delimiter是分割之外，表示数组的分割方式

print(type(drink))

<class 'numpy.ndarray'>

二、用numpy创建数组

1、人气指数方法创建向量数组，重塑改变数组维度

import numpy as np
A= np.arange(15)#arange创建数组
print(A)

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]

a = A.reshape(3,5)#reshape定义数组维度大小,x*y,保证与数组的数量对等
print(a)

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]

ash = a.shape
print(ash)
print(a.ndim)#查看数组是几维的
print(a.dtype.name)#dtype.name查看数组内元素数据类型
print(a.size)#查看数组里有多少元素

(3, 5)
2
int64
15

2、零方法，创建全0数组，注意数组维度是括号

nz = np.zeros((4))
print(nz)
print(type(nz[0]))
print(' ')

nzn=nz.astype(int)
print(nzn)
print(type(nzn[0]))

[ 0.  0.  0.  0.]
<class 'numpy.float64'>
 
[0 0 0 0]
<class 'numpy.int64'>

3、