数据分析工具--numpy

最新推荐文章于 2024-07-24 09:21:02 发布

太原浪子

最新推荐文章于 2024-07-24 09:21:02 发布

阅读量918

点赞数

分类专栏：数据分析文章标签： python numpy 数据分析 1024程序员节

本文链接：https://blog.csdn.net/u010671028/article/details/108716335

版权

本文详细介绍了Python数据分析库NumPy，包括其定义、功能、数据类型对象、ndarray数组对象属性、创建数组的方法、丰富的函数库、索引与切片、矩阵乘法、数组计算、广播机制、数组的合并与切分。NumPy提供了强大的N维数组对象和高效的数据操作工具，是Python科学计算的基础。

摘要由CSDN通过智能技术生成

一、numpy简介

1.1 定义：

numpy(numeric python)NumPy系统是Python的一种开源的数值计算扩展，它的核心是ndarray对象。

1.2 功能：

1.功能强大的N维数组对象，各种派生对象（如掩码数组和矩阵）
2.精密广播功能函数
3.集成c++和Fortran代码的工具
4.数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等。

1.3 NumPy数组和原生Python Array（数组）之间的重要区别：

1.numpy数组创建时长度固定，而python数组对象可动态增加。更改numpy数组会创建一个新的数组并删除原来的数组。
2.numpy数组的元素数据类型都必须相同，如果不同，它会统一合适的数据类型。优先级：str>float>int。python对象可以不同。
3.NumPy 数组有助于对大量数据进行高级数学和其他类型的操作。通常，这些操作的执行效率更高，比使用Python原生数组的代码更少。

二、数据类型对象

2.1 定义

数据类型对象（numpy.dtype类的实例）描述了如何解释与数组项对应的固定大小的内存块中的字节。它描述了数据的以下几个方面：

1.数据类型（整型、浮点型、Python对象等）。
2.数据的大小（例如整数中有多少字节）。
3.数据的字节顺序（little-endian 小端法或 big-endian大端法）。
4.如果数据类型是结构化数据类型，则是其他数据类型的集合(例如，描述由整数和浮点数组成的数组项)。

$\bullet$ 结构的 “字段” 的名称是什么，通过这些名称可以访问它们。
$\bullet$ 每个字段的数据类型是什么，以及
$\bullet$ 每个字段占用内存块的哪一部分。

5.如果数据类型是子数组，那么它的形状和数据类型是什么。

2.2 构造数据类型

语法：

    numpy.dtype(object, align, copy)    #  object - 要转换为的数据类型对象
                                      #  align - 如果为 true，填充字段使其类似 C 的结构体。
                        # copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用

2.3 数据类型的字符表示

在这里插入图片描述

三、ndarray数组对象属性

1.1内存布局：

以下属性包含有关数组内存布局的信息：

方法	描述
ndarray.flags	有关数组内存布局的信息。
ndarray.shape	数组维度的元组。
ndarray.strides	遍历数组时每个维度中的字节元组。
ndarray.ndim	数组维数。
ndarray.data	Python缓冲区对象指向数组的数据的开头。
ndarray.size	数组中的元素数。
ndarray.itemsize	一个数组元素的长度，以字节为单位
ndarray.