数据分析利器Python之Numpy（二）

一、Numpy数据结构

ndarray，N维数组对象（矩阵）

• ndim属性，维度个数
• shape属性，各维度的大小
• dtype属性，数据类型

二、多维数组

1、创建

（1）np.array(collection)，collection为序列型对象或者嵌套序列
（2）np.zeros()，np.ones()，指定大小的全0或全1的数组，第一个参数可用来指定数组的大小，如np.zeros((4,2))，代表4行2列的全0数组。
（3）np.random.rand()，生成指定形状的随机数组
（4）np.arange()，类似range函数，生成等差数组序列

import numpy as np
np.zeros((4,3)) # 生成4行3列的全0数组，需注意此处的4和3是在一个参数内
np.random.rand(4,3) # 生成4行3列的随机数组，需要注意此处4和3是两个参数
np.arange(10) # 生成含10个数的一维数组
arr = np.arange(14).reshape((2,7)) # 通过reshape重新转换为2行7列的数组
arr1 = arr.astype(float) # 将数组的数据类型转化为float类型

2、操作

（1）一维数组的索引与切片和列表索引类似
（2）多维数组的索引：

我们由图可以看出，多维数组的索引是一维的索引进行的组合，其实只要掌握了列表索引，那么数组的索引就自然掌握了。
（3）条件索引：arr[condition]，condition可以是多个条件组合，而进行组合时要用&（与），|（或）等操作符。
（4）转置操作：T或np.transpose()或通过交换轴的位置np.swapaxes()

3、常用方法

np.mean()求均值
np.sum()求和
np.max()求最大值
np.min()求最小值
np.std()求标准差
np.var()求方差
np.argmax()求最大值的索引
np.argmin()求最小值的索引
np.cumsum()求累加
np.cumprod()求累乘
np.all()是否所有元素都满足条件
np.any()是否至少存在一个元素满足条件
np.unique()求唯一值并返回排序结果（列表形式）
注：默认是全部维度做统计，多维数组可以通过axis指定统计的维度，如np.max(a,axis=0)

三、通用函数

ceil()，向上最接近的整数
floor()，向下最接近的整数
rint()，四舍五入
isnan()，判断元素是否为NAN
multiply()，元素相乘，等同于数组的*操作【非矩阵乘法】
divide()，元素相除，等同于数组的 / 操作