Numpy入门（一）：Numpy的安装和创建

在数据分析和机器学习中，大量的使用科学计算，Numpy提供了大型矩阵计算的方式，而这些是python标准库中所缺少的。Numpy也是许多优秀的第三方库的基础，依赖于Numpy的库非常多，后续会慢慢的进行介绍。

Numpy的安装

和许多的库一样，不管在windows平台下还是在linux平台下，安装Numpy的命令如下：

pip install numpy

安装完以后：

Collecting numpy
  Downloading numpy-1.14.0-cp27-none-win32.whl (9.8MB)
    100% |████████████████████████████████| 9.8MB 27kB/s
Installing collected packages: numpy
Successfully installed numpy-1.14.0

在python解析器 下查看 Numpy 是否安装成功：

import numpy

Numpy生成数组函数（Array creation ）

直接使用array 函数生成数组：

>>> import numpy as np
>>> a = np.array([2,3,4])
>>> print a
[2 3 4]
>>> b = np.array([(1,3,4),(2,3,5)])
>>> print b
[[1 3 4]
 [2 3 5]]
>>>

在array 函数中使用python自带的list ，在多维数组中在list 中存放多个元祖。

使用 empty， zeros， ones， identity，eye 创建矩阵：

>>> import numpy as np
#使用empty创建2x2矩阵
>>> a = np.empty([2,2])
>>> print a
[[1.92432613e-295 1.92410215e-295]
 [1.92414694e-295 1.92414694e-295]]

identity 为返回一个N维单位方阵。

同样的还有empty_like， ones_like， zeros_like 是复制对方的维数，进行相应的处理。

使用 arange 和linspace 生成数组：

在0到2中按步长为0.3生成数组：

>>> np.arange( 0, 2, 0.3 )
array([0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8])

在0到2中生成9个数：

>>> np.linspace( 0, 2, 9 )
array([0.  , 0.25, 0.5 , 0.75, 1.  , 1.25, 1.5 , 1.75, 2.  ])

Numpy中数组的基本属性

在Numpy中生成的数组叫做ndarray ， 在ndarray 中有如下的属性：

• ndarray.ndim： 数组维数

  程序如下：

    >>> a = np.zeros([3,4])
    >>> a.ndim
    2
    >>> b = np.zeros([3,4,5])
    >>> b.ndim
    3
    >>>
  

• ndarray.shape：数组的结构 几乘几 数组

    >>> print a.shape
    (3, 4)
    >>> print b.shape
    (3, 4, 5)
    >>>
  

• ndarray.size： 数组有几个元素

    >>> print a.size
    12
    >>> print b.size
    60
    >>>
  

• ndarray.dtype： 数组元素的数据类型

    >>> print a.dtype
    float64
  

这些属性是用来做什么用的呢？有的时候，我们从一个文件中或者从内存中，引入了一个ndarray，我们并不知道这个ndarray的内容，这时候，可以使用这些属性来了解这个ndarray。

如我们如下的学生成绩表。

语文	数学	英语	物理	化学
71	59	100	78	74
75	92	83	61	65
83	74	83	73	82
84	81	100	75	78

当我们使用 genfromtxt 载入数据时，可以用相关的属性来了解数组。

# 读入数据
score = np.genfromtxt(fname = r'socre.txt',delimiter='\t',skip_header=1)

# 数据属性
print type(stu_score)
print stu_score.ndim 
print stu_score.shape
print stu_score.dtype
print stu_score.size

Numpy中数组的保存

使用tofile 和 fromfile

import numpy as np

a = np.array([(1,2,3,4),(4,5,2,4)])

print a

a.tofile("filename.bin")

b = np.fromfile("filename.bin",dtype = np.int32)

print b.reshape(2,4)

还可以使用 np.save() np.load() 和 np.savez() 这一组合进行数据的存储。

import numpy as np

a = np.array([(1,2,3,4),(4,5,2,4)])

print a

np.save("a.npy", a)
c = np.load("a.npy")
print c

另外一组为 savetxt() 和 loadtxt()

import numpy as np

a = np.array([(1,2,3,4),(4,5,2,4)])

print a
np.savetxt("a.txt", a)
np.loadtxt("a.txt")
c = np.load("a.npy")
print c