numpy库常用解析

最近使用到numpy库比较多，所以就想着做一个常用解析来梳理一下numpy的常用功能

numpy简介

numpy是常用的科学计算标准库，它与pandas的区别在于，pandas更擅长于数据挖掘，numpy擅长于科学计算。
numpy 库处理的最基础数据类型是由同种元素构成的多维数组 (ndarray), 简称” 数组＂。

创建数组

numpy常用的创建数组方法有以下几个

import numpy as np
np.array([x,y,z],dtype=int)#[x,y,z]为列表或元组，dtype为元素类型
np.arrange(x,y,z)#创建一个有x到y,z为步长的数组
np.random.rand(m,n)#创建一个m行n列的随机数组
np.ones(m,n)#创建一个m行n列的全1数组
np.empty(m,n)#创建一个m行n列的全0数组

数组的基本属性

属性	描述
ndarray.ndim	数组的维数
ndarray.shape	数组在每个维度上大小的整数数组
ndarray.size	数组元素的总个数
ndarray.dtype	数组元素的数据类型，dtype类型可以用于创建数组
ndarray.itemsize	数组每个元素的字节大小
ndarray.data	包含实际数组元素的缓冲区地址
ndarray.flat	数组元素的迭代器

import numpy as np
b=np.random.rand(2,2)
print(b)
print("b.ndim={}".format(b.ndim))
print("b.shape={}".format(b.shape))
print("b.size={}".format(b.size))
print("b.dtype={}".format(b.dtype))
print("b.itemsize={}".format(b.itemsize))
print("b.data={}".format(b.data))
print("b.flat={}".format(b.flat))

• 运行结果
  [[0.72938032 0.71789695]
  [0.23302267 0.52124566]]
  b.ndim=2
  b.shape=(2, 2)
  b.size=4
  b.dtype=float64
  b.itemsize=8
  b.data=<memory at 0x000002B081AF0E48>
  b.flat=<numpy.flatiter object at 0x000002B0826DC6A0>

数组的切片

数组的切片方式与列表的切片方式大致相同

方法	描述
x[i]	索引的i个元素
x[-i]	从后向前索引的i个元素
x[n:m]	默认步长为1，从前往后索引，不包含m
x[-n:-m]	从后往前索引
x[n:m :j]	指定i步长由n到m的索引