数据分析之Numpy基础：数组和适量计算

Numpy（Numerical Python）是高性能科学计算和数据分析的基础包。

1.Numpy的ndarray：一种多维数组对象

　　对于每个数组而言，都有shape和dtype这两个属性来获取数组的形状（元组表示）和类型。

　　创建ndarray： 可直接用np.array（）着函数进行创建，往其中传入一维或者多维列表。

　　　　　　　　  利用zeros（）和ones（）可以创建指定形状的全1或者全0数组。传入的参数为元组（1,2,3）

　　　　　　　　  np.arange（）是python内置函数的数组版本。

　　改变ndarray类型：.astype（float） 对数组内的数据类型进行转变，如将字符串转换成数字就便于后续的使用。

　　数组的索引和切片：数组的切片是原始数据的试图，操作直接作用在原始数据上。

　　数组的调用： arr2d[2][3]等价于arr2d[2,3]

　　多维数组的表示方法（3维）：arr3d = np.array（[[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]]）

　　切片： 按照数组的轴进行切片。arr2d[:2,1:]

　　布尔值可用于数组索引： 布尔数组的长度必须要和被索引的轴长度一致 data[data<0] = 0 data<0 返回的是布尔值，可直接用于索引。

　　花式索引（Fancy indexing）：为了能够以特定顺序选取行子集，只需传入一个用于指定顺序的整数列表或ndarray即可。 arr[[4,3,0,6]]

　　对于花式索引而言，一次传入多个索引数组会有一点特别。

　　数组的转置和周对换： 转置 arr.T  arr.transpose(1,0,2)

　　通用函数：快速的元素级数组函数。有一元和二元ufunc函数。

　　排序：arr.sort（）多维数组可以填入轴的值，根据轴进行排序。

　　唯一化以及其他的集合逻辑：np.unique（填入数组）

　　

 

转载于:https://www.cnblogs.com/hxyue/p/5898842.html