Python数据分析第二章Numpy

---

啊我觉得粘贴代码好麻烦，所以我决定截图啦把代码

---

1、Numpy数组对象

NumPy最重要的一个特点是其N维数组对象，即ndarry对象
ndarray对象一些重要属性：

代码解释：

2、创建Numpy数组

1和1.产生这种现象的是因为元素的数据类型不同
也可以显式地声明数组元素的类型：

3、ndarray对象的数据类型

3.1查看数据类型

通过ndarray.dtype创建一个表示数据类型的对象，再加个name属性可以访问类型名称

每一个NumPy内置的数据类型都有一个特征码来唯一标识数据类型：

3.2转换数据类型

通过astype()方法转换

把int32转换为float64：

把float转换为int：

把字符串转换为int：

4、数组运算

NumPy数组不需要循环遍历，即可对每个元素执行批量的算术运算操作，这个过程叫做矢量化运算。不过，如果两个数组的大小( ndarray.shape)不同，则它们进行算术运算时会出现广播机制。除此之外，数组还支持使用算术运算符与标量进行运算。

4.1矢量化运算

4.2数组广播

矢量化运算要求形状相同，如果不相同则会出现广播机制，该机制会对数组进行扩展

hhh写的好丑
广播机制需要满足的条件：

4.3数组与标量之间的运算

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，同样，数组与标量的算术运算也会将那个标量值传播到各个元素。当数组进行相加、相减、乘以或除以一个数字时，这些称为标量运算。标量运算会产生一个与数组具有相同数量的行和列的新矩阵，其原始矩阵的每个元素都被相加、相减、相乘或者相除。

5、ndarray的索引与切片

5.1整数索引与切片

（1）一维数组

插个题：

开始开始

（2）多维数组

索引

切片

5.2花式索引

5.3布尔索引

布尔型索引指的是将一个布尔数组作为数组索引，返回的数据是布尔数组中True对应位置的值。

6、数组的转置和轴对称

（1）T属性转置：

（2）transpose()方法转置：

（1）相当于二维数组转置

（2）两个轴

（3）三个轴都转换

(3)swapaxes()方法

交换两个轴

7、Numpy通用函数

（1）一元通用函数

（2）二元通用函数

8、利用Numpy数组进行数据处理

8.1条件逻辑转为数组运算

8.2数组统计运算

使用cumsum()和cumprod()方法后，产生的结果是一个由中间结果组成的数组
比较简单就不举例子了！

8.3数组排序

插个题：


sort()方法会改变数组本身的值

8.4 检索数组元素

all和any：

8.5唯一化及其他集合逻辑

其他常见的：

9、线性代数模块

矩阵乘法：

其他常见的函数：

10、随机数模块

random模块常用的函数


其中seed()函数可以保证生成的随机数具有可预测性，就是产生的随机数相同

---

程序：

代码：