python纵向数据分析_《Python数据分析》笔记1 ——Numpy

Numpy数组

1.Numpy数组对象

Numpy中的多维数组称为ndarray,他有两个组成部分。

1.数据本身

2.描述数据的元数据

2.Numpy的数值类型

bool: 布尔型

inti：其长度取决于平台的整数(通常为int32或int64)

int8:字节类型

int16：整型

int32：整型

int64：整型

uint8：无符号整型

uint16:无符号整型

uint32:无符号整型

uint64：无符号整型

float16：半精度浮点型

float32:单精度浮点型

float64或者float：双精度浮点型

complex64:复数类型

complex128或者complex：复数类型

谨记：不要把复数类型转换为整型，这会报错。，同样也不允许把复数转化为浮点数。

3.一维数组的切片与索引

一维数组Numpy数组的切片操作与Python列表的切片一样。

In:a=np.arange(9)

In:a[3:7]

Out:array([3,4,5,6])

In:a[:7:2]

Out:array([0,2,4,6])

4.处理数组形状

可以利用以下函数处理数组的形状

1.拆解：可以用ravel()函数将多维数组变成一维数组，a.ravel()

2.拉直：flatten()函数的名字取得很贴切，其功能与ravel()相同，可是，flatten()返回的是真实的数组，需要分配新的内存空间；而ravel()函数返回的只是数组的视图

3.用元组指定数组形状：除了reshape()函数外，还可以用元组来轻松定义数组的形状。

4.转置：行变列，列变行。a.transpose()

5.调整大小：函数resize()作用类似于reshape()但是会改变所作用的数组

堆叠数组

1.水平叠加

用concatenate()函数也能达到同样的效果

2.垂直叠加

当参数axis置为0时，concatenate()函数也会得到同样效果

3.深度叠加

这种方法是沿着第三个坐标轴(纵向)的方向来叠加一摞数组。

4.列式堆叠

column_stack()函数以列方式对一维数组进行堆叠

5.行式堆叠

拆分Numpy数组

相关函数hsplit()、vsplit()、dsplit()和split()。我们既可以把数组分成相同形状的数组，也可以从规定的位置开始切取数组。

1.横向拆分

相当于调用参数axis=1的split()函数：

2.纵向拆分

当参数axis=0，split()函数也会沿着纵轴方向分解数组

3.深度拆分

前提是必须要有深度。

Numpy的数组属性

ndim:存储的是维度的数量

size:用来保存元素的数量

itemsize：可以返回数组中各个元素所占用的字节数

nbytes:整个数组所需的字节数量

T:与transpose()函数相同，转置

real:该属性返回实部

imag:该属性返回虚部

flat属性：可以返回一个numpy.flatiter对象，这是获得flatiter对象的唯一方法，但我们无法访问flatiter的构造函数。可以使用flat的迭代器来遍历数组，就像遍历“胖”数组那样

数组的转换

1.Numpy数组转换成Python列表，使用tolist()函数

2.astype()函数可以把数组元素转换成指定类型

Numpy数组的广播

当操作对象的形状不一样时，Numpy会尽力进行处理

例如，假设一个数组要跟一个标量相乘，这时标量需要根据数组的形状进行扩展，然后才可以执行乘法运算。这个扩展的过程叫做广播。