python数据分析从入门到精通（一）：numpy模块讲解

目 录

NumPy 数值计算基础

掌握 NumPy 数组对象 ndarray

Numpy 简介

创建数组对象

生成随机数

通过索引访问数组

变换数组的形态

掌握 NumPy 矩阵与通用函数

创建与组合矩阵

矩阵的运算

认识 ufunc 函数

利用 NumPy 进行统计分析

读写文件

使用数组进行简单统计分析

常用的统计函数

NumPy 数值计算基础

掌握 NumPy 数组对象 ndarray

Numpy 简介

Numpy 是用于数据科学计算的基础，不但能够完成科学计算任务，还能被
用作高效地多维数据容器。用于存储和处理大型矩阵。
Python 提供了一个 array 模块，和 list 不同，它直接保存数值，但是由于 Python
的 array 模块不支持多维，也没有各种运算函数。
Numpy 弥补了这一遗憾。Numpy 提供了一种存储单一数据类型的多维数组
——ndarray(下文统称数组)

创建数组对象

数组属性：

ndarray（数组）是存储单一数据类型的多维数组。
numpy.array(object,dtype=None,copy=True,order=‘K’,subok=False,ndmin=0)

属性 说明
ndim 返回 int。表示数组的维数
shape 返回 tuple。表示数组的尺寸，对于 n 行 m 列的矩阵，形状为(n,m)
size 返回 int。表示数组的元素总数，等于数组形状的乘积
dtype 返回 data-type。描述数组中元素的类型
itemsize 返回 int。表示数组的每个元素的大小（以字节为单位）。
参数名称 说明
object 接收 array。表示想要创建的数组。无默认。
dtype
接收 data-type。表示数组所需的数据类型。如果未给定，则选择
保存对象所需的最小类型。默认为 None。
ndmin 接收 int。指定生成数组应该具有的最小维数。默认为 None。

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a)
print(a.ndim)#维度
print(a.shape)#形状
print(a.size)#元素大小
print(a.dtype)#元素类型
print(a.itemsize)#元素大小
'''
[[1 2 3]
 [4 5 6]
 [7 8 9]]
2
(3, 3)
9
int32
4
'''

数组创建(创建一维或多维数组)

创建数组并查看数组属性

重新设置数组的 shape 属性
使用 arange 函数创建数组（通过设置开始值、终止值、步长来创建一维数组）

arr = np.arange(0,6,1)

使用 linspace 函数创建数组（设定开始值、终止值和元素个数），数组是等差数组

arr = np.linspace(0,6,6)    #[0.  1.2 2.4 3.6 4.8 6. ]

使用 logspace 函数创建等比数列（生成（10^0~102）的 20 个等比数列），3个参数分别为，开始位置10的0次方，结束位置10的1次方(包含)，元素个数

arr = np.logspace(0,1,5)    #[ 1.          1.77827941  3.16227766  5.62341325 10.        ]

使用 zeros 函数创建数组，元素都为0，只需要指定形状

arr0 = np.zeros(shape=(2,3))
## [[0. 0. 0.]
# #  [0. 0. 0.]]

使用 eye 函数创建数组，单位数组，参数1，2为元组的形状，k参数为偏移量，即单位数组中1位置，当k为正值时向上偏移，为负时向下偏移

arri = np.eye(4,4,k=2)
[[0. 0. 1. 0.]
 [0. 0. 0. 1.]
 [0. 0.