NumPy基础介绍

NumPy基础介绍

IPython的%魔术命令：

%magic：显示所有魔术命令

%hist：IPython命令的输入历史

%pdb：异常发生后自动进入调试器

%reset：删除当前 命名空间中的全部变量或名称

%who：显示Ipython当前命令空间中已经定义的变量

%time statement:给出代码的执行时间，statement表示一段代码

%timeit statement：多次执行代码，计算综合平均执行时间

数据

一维数据：由对等关系的有序或无序数据构成，采用线性方式组织。（对应列表、数组、和集合等概念）

一组数据的有序结构的区别：列表：数据类型可以不同；数组：数据类型相同

二维数据：由多个一维数据构成，是一维数据的组合形式，表格是典型的二维数据，其中，表头是二维数据的一部分

数据维度的python表示:一维数据：列表（有序）和集合(无序)类型；二维数据：列表类型；多维数据：列表类型；高维数据：字典类型或数据表示格式(JSON、XML、YAML格式)

NumPy

NumPy是一个开源的python科学计算基础库，一个强大 的N维数组对象ndarray，广播功能函数、整合C/C++/Fortran代码的工具，整合C/C++/Fortran代码的工具，线性代数、傅里叶变换、随机数生成等功能。NumPy是SciPy、Pandas等数据处理或科学计算库的基础。

N维数组对象：ndarray

数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据。

设置专门的数组对象，经过 优化，可以提升 这类应用的运算速度 。

ndarray实例：

np.array()生成一个ndarray数组，ndarray在程序中的别名是：array，np.array()输出成[]形式，元素由空格分割。

轴（axis）：保存数据的维度，秩（rank）：轴的数量

ndarray对象的属性：

.ndim:秩，即轴的数量或维度的数量

.shape:ndarray对象的尺度，对于矩阵，n行n列

.size:ndarray对象元素的个数 ，相当 于.shape中n*m的值

.dtype:ndarray对象的元素类型

.itemsize:ndarray对象中每个元素的大小，以字节为单位

例：

a = np.array([0,1,2,3,4]
             [9,8,7,6,5])
a.ndim
2
a.shape
(2,5)
a.size
10
a.dtype
dtype('int32')
a.itemsize
4

ndarray的元素类型：

bool:布尔类型，True或False

intc:与C语言中的int类型一致，一般是int32或int64

intp:用于索引的整数，与C语言中ssize_t一致，int32或int64

int8:字节长度的整数，取值：[-128，127 ]

int16:16位长度的整数，取值：[-32768,32767]

int32:32位长度的整数，取值：[-232,231-1]

int64:64位长度的整数，取值：[-263,264-1]

uint8:8位无符号整数，取值：[0,255]

uint16:16位无符号整数，取值：[0,65535]

uint32:32位无符号整数，取值：[0,232-1]

uint64:64位无符号整数，取值：[0,264-1]

float16:16位半精度浮点数：1位符号位，5位指数，10位尾数

float32:32位半精度浮点数：1位符号位，8位指数，23位尾数

float64:64位半精度浮点数：1位符号位，11位指数，52位尾数

complex64:复数类型，实部和虚部都是32位浮点数

complex128:复数类型，实部和虚部都是64位浮点数

对比：python语法仅支持整数 、浮点数和复数3种类型，科学计算涉及数据较多，对存储和性能都有较高要求。

​ 对元素类型精细定义，有助于NumPy合理使用存储空间并优化性能。

​ 对元素类型精细定义，有助于程序员对程序规模有合理评估。

ndarray数组的创建方法：

1. 从python中的列表、元组等类型创建ndarray数组

   X = np.array(list/tuple)

   X = np.array(list/tuple,dtype=np.float32)

   当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型。

   从列表类型创建，从元组类型创建，从列表和元组混合类型创建

2. 使用NumPy中函数创建ndarray数组，如：arange,ones,zeros等

   np.arange(n):类似range()函数，返回ndarray类型，元素从0到n-1

   np.ones(shape):根据shape生成一个全1数组，shape是元组类型

   np.zeros(shape):根据shape生成一个全0数组，shape是元组类型

   np.full(shape,val):根据shape生成一个数组，每个元素老师val

   np.ones_like(a):根据数组a的形状生成一个全1数组

   np.zeros_like(a):根据数组a的开关生成一个全0数组

   np.full_like(a,val):根据数组a的形状生成一个数组，每个元素都是val

3. 使用numPy中其他函数创建ndarray数组ndarray数组

   np.linspace():根据起止等间距地填充数据，形成数组

   np.concatenate():将两个或多个数组合并成一个新的数组

ndarray数组的维度变换

.reshape(shape):不改变数组元素，返回一个shape形状的数组，原数组不变

.resize(shape)：与.reshape()功能一致，但修改原数组

.swapaxes(ax1,ax2):将数组n个维度中两个维度进行调换

.flatten():对数组进行降维，返回折叠后的一维数组，原数组不变

NumPy一元函数对ndarray中的数据执行元素级运算的函数：

np.abs(x) np.fabs(x):计算数组各元素的绝对值

np.sqrt(x):计算数组各元素的平方根

np.square(x):计算数组各元素的平方

np.log(x) np.log10(x) np.log2(x):计算数组各元素的自然对数、10底对数和2底对数

np.ceil(x) np.np.floor(x):计算数组各元素的ceiling值或floor值

np.rint(x):计算数组各元素的四舍五入值

np.modf(x):将数组各元素的小数和整数部分以两个独立数组形式返回

np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x):计算数组各元素的普通型和双曲型三角函数

np.exp(x):计算数组各元素的指数值

np.sign(x):计算数组各元素的符号值，1（+），0，-1（-）

NumPy二元函数：

+ - * / **：两个数组各元素进行对应运算

np.maximum(x,y) np.fmax() np.minmum(x.y) np.fmin() ：元素级的最大值/最小值计算

np.mod(x,y):元素级的模运算

np.copysign(x,y):将数组y中各元素值的符号赋值给数组x对应元素

> < >= <= == !=:算术比较，产生布尔型数组