python数据分析必备工具(1) numpy基本操作

注意：符号可能为中文下输入！！！

   numpy数组是一个多维数组对象
   导入： import  numpy as np

数组属性：

       建立一个一维数组
       ar=np.array([1,2,3,4,5,6])   ### 数组没有“，”分隔[1 2 3 4 5 6]
       ar.adim  ###数组的秩(数组维度的个数)
       ar.shape  ###数组的维度 对于n行m列的数组，shape（n， m）
       ar.size  ####数组元素的总数 对于n行m列的数组，size=n*m
       ar.dtype ###数组中元素的类型
       ar.itemsize  ###数组中每个元素的字节大小 int32为4个字节，
                                 float64为8个字节

创建数组

      array()函数 括号内可以是列表、元组、生成器
       1.通过range
       ar1=np.arange(10)
       ar2=np.array([range(10)])
        注意：
           ar3=np.array([[1,2,3,4,5,6],['a','b','c','d','e','f']])
                  此时ar3.dtype 为str 
            ar4=np.array([[1,2,3,4,5,6,7],['a','b','c','d','e','f']])
                   当列表长度不相等时，数组转化为一维数组
       2. linspace(开始，停止，num=,endpoint=True) 
              返回在[开  始，停止]上计算的num个均匀间隔的样本
              ar5=np.linspace(10,20,num=20)
              endpoint=True 即包含20，False则不包含20
              retstep =True  返回类型为元组，返回原数组以及step
                                    即：ar5[0]为原数组；ar5[1]为step
       3.zeros()/zeros_like(),ones(),ones_like()
               ar6=np.zeros((2,5),dtype=） 创建一个2行5列数值均为0的二维数组
               ar=np.array([1,2,3,4,5])
               ar7=np.zeros_like(ar)  生成一个和ar同样大小但是数据均为0的数组
               ones与ones_like()与zeros()和zeros_like()类似，ones填充1
       4.eye()
              np.eye(5) ###创建一个正方的单位矩阵，对角线值为1，   其余为0

numpy通用函数：

    1.数组形状(生成新的数组，并不更改原数组)：
               ar1=np.array([[1,2,3,4,5,6],[7,8,9,10,11,12]])
               ar1.T  ###数组的转置
               ar1.reshape(6,2) ###更改行数与列数 **注意**：size必须相同
               np.reshape(ar1,(6,2))
                np.resize(ar1,(5,6))    #### 5*6>12 但是将ar1中数据排序，填充；；；
                np.resize(ar1,(2,4)) ####2*4<12  取ar1中前8个进行填充
                ar.resize(2,8)   ###更改原数组
                np.resize(ar,(2,8))  ###生成新数组
    2.数组的复制(深拷贝与浅拷贝)：
                ar2=ar1    ar2,ar1 指向同一个对象
                ar2=ar1.copy()  新建一个对象，用ar2指向
    3.数据类型的转换
                ar1=ar.astype(“数值类型”)
    4.数组堆叠：
               a=np.arange(5)
               b=np.arange(5,10)
               np.hstack((a,b))  ####数组的横向连接
               np.vstack((a,b))  ###数组的竖向连接     **注意**：a,b列数相同，否则报错
               np.stack((a,b),axis=1) 
    5. 数组拆分：
                np.hsplit(ar,2)  ###横向拆分
                np.vsplit(ar,2)  ####纵向拆分
               
    6. 数据简单运算：
               + - * / **
               ar.mean()  ###求平均值
               ar.max()  ###求最大值
               ar.min()  ###求最小值
               ar.std() ###求标准差
               ar.var() ###求方差
               ar.sum() ###求和 axis=0 按列求和 axis=1按行求和
               ar.sort() ###默认升序，修改原数组

索引及切片：

    一维数组类似list
         ar=np.arange(10)
         ar[4]
        ar[:3]
        ar[::2]
    二维数组：
       ar=np.arange(16).reshape(4,4)
       ar[2] ##第三行
       ar[2][2] ##第三行第三个值
       ar[1:3] ## 第二行和第三行
       ar[2,2] ## 第三行第三列所对应的数值
       ar[行，列]
    布尔值索引及切片：
         ar=np.arange(12).reshape(3,4)
         保留为True的值
          ar[ar>5]
   数组索引及切片的值更改、复制：
         ar[5]=100 ###将第6行设置成100
         ar[:,5]=100 ### 将第6列设置成100
         b=ar.copy() 深拷贝 和python内存管理有关系

numpy随机数

     np.random.normal(size=(4,4,)) ###生成标准正态分布的4*4二维数组
     np.random.rand(d0,d1.......) ###生成一个[0,1)之间的随机浮点数N维浮点数组   ----均匀分布
     np.random.rand(2,4)  ###生成2行4列的浮点数数组
     np.random.randint(low,high=None,size=None) ###生成一个整数或N维整数数组
     若high不是None时取[low,high)的随机整数，否则取[0，low)之间的随机整数