《利用python进行数据分析.第三版》 第四章 Numpy

《利用python进行数据分析.第三版》 第四章 Numpy

一、numpy的ndarray:一种多维数组对象
1. 创建nadrray

属性：
arr.nidm:维度
arr.shape：维度大小
arr.dtype：数值类型

表达规则：
np.函数(列表或元祖)

1.np.array(列表或者元祖)；array函数：接受一切序列型的对象：
2.np.zeros(数值或者元祖);zeros函数：创建指定长度全0数组
3.np.ones(数值或者元祖);ones函数：创建指定长度全1数组
4.np.arange(数值)#后面一定跟数值
#一维数组：np.arange(12)
#二维数组：np.arange(12).reshape(3,4)

注：以上创建函数后是列表或者数值即为一维数组；是元祖即为二维数组

#列表转化为一维数组
data1=[6,7.8,8,0,1]
     arr1=np.array(data1)
     arr1
     array([6. , 7.8, 8. , 0. , 1. ])
#嵌套列表转化为多维数组
data2=[[1,2,3,4],[5,6,7,8]]
arr2=np.array(data2)
arr2
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])
 #arange函数
 data3=np.arange(12)

2.ndarray的数据类型

 1. 直接设置数据类型
     arr1=np.array([1,2,3,4],np.float64)
 2. 转化数据类型：astype
     int_arr1=arr1.astype(np.int64)
 3. 传递数据属性
    int_array=np.arange(10) ; cailbers=np.array([.1,.2,.3,.4],np.float64)
    int_array.astype(cailbers.dtype)

笔记：调用astype总会创建一个新的数组（一个数据的备份），即使新的dtype与旧的dtype相同

3.NumPy数组的运算

  1. 大小相等的数组之间的任何算术运算都会将运算应用到元素级：
  2. 数组与标量的算术运算会将标量值传播到各个元素：
  3. 大小相同的数组之间的比较会生成布尔值数组：

4.基本的索引和切片

  1. 一维数组：类似于Python
  arr[2];arr[3:6];
  arr[3:6]=12#该层意思是将12这个值广播到第四个数到第六个数，该范围内的数值均为12

  #跟列表最重要的区别在于，数组切片是原始数组的视图。这意味着数据不会被复制，视图上的任何修改都会直接反映到源数组上。
  arr=np.arang