qpython numpy_Python-Numpy全面精简教程

Numpy是最早用于数值计算的库，主要用于矩阵相关的运算。主要针对多维数组（Ndarray）的科学计算。为方便使用，在Numpy上开发了Pandas。Pandas是常用的处理excel表格的数值计算库。在基于Numpy的主要针对数据框（DataFrame）和序列（Series）的科学计算。

本文展开对Numpy的学习。

0.数组生成

1.数组的基本属性

数组的基本属性主要包括：形状、大小、类型、维数。

形状：arr.shape

大小：arr.size

类型：arr.dtype

维数：arr.ndim

2.数组数据选取

2.1一维数组选取

取第n个数：arr[n-1]

取最后一个数：arr[-1]

取第n~m的数：arr[n,m+1] *后推一位数,左闭右开

取n以后的数：arr[n:]

取n以前的数：arr[:n]

取n到倒数m位置：arr[n:-m]

取大于v的元素：arr[arr>3]

2.2多维数组选取

取第n行：arr[n-1]

取第n和n+1行：arr[n-1,n+1]

取第n行以前的行：arr[:n-1]

取第n列：arr[:,n-1]

取n~m列：arr[:,n-1:m-1]

取n列之前的列：arr[:,:n-1]

取n列之后的列：arr[:,n-1:]

取n~m行、p~q列：arr[n-1:m,p-1,q]

3.数据预处理

3.1数组类型转换

转float类型：arr.astype(np.float64)

转str类型：arr.astype(np.string_)

3.2缺失值处理

step1：判断是否含有缺失值，将缺失值找出

np.isnan(arr)

step2：对缺失值进行填充

arr[np.isnan(arr)]=0

3.3重复值处理

arr.unique()

4.数组重塑

4.1一维数组重塑

arr.reshape(n,m)

4.2多维数组重塑

arr.reshape(n,m)

4.3数组转置

arr.T

5.数组合并

5.1横向合并-

concatenate方法：np.concatenate([arrr1,arr2],axis=1)

hstack方法：np.hstack((arr1,arr2))

column_stack方法：np.column_stack((arr1,arr2))

5.2纵向合并-

concatenate方法：np.concatenate([arrr1,arr2],axis=0)

hstack方法：np.vstack((arr1,arr2))

row_stack方法：np.column_stack((arr1,arr2))

6.常用数据分析函数

6.1元素级函数--

元素级函数就是针对数组中的每个元素执行相同的函数操作

以下为主要函数：

np.square(arr)

np.sqrt(arr)

6.2描述统计函数--

描述统计函数是对整个numpy数组或者某条轴的数据击姓统计运算。

以下为主要函数：

arr.sum(axis=1)

6.3条件函数--

np.where(condition,x,y)

类似于excel中的if(condition,True,Flase)函数，若条件为真则返回x，若为假返回y。

np.where(arr>60,'及格','不及格')

6.4集合关系--

每个数组都都可当作集合，几何关系就是两数组之间的关系，主要有包含、交集、并集、差集四种。

包含：np.inld(arr1,arr2)

交集：np.intersectld(arr1,arr2)

并集：np.unionld(arr1,arr2)

差集：np.setdiffld(arr1,arr2)