numpy_task01

numpy_task01

1. 常量

1.1 numpy.nan

空值：numpy.nan 、 numpy.NaN 、 numpy.NAN

• 两个numpy.nan不相等

import numpy as np
print(np.nan==np.nan) # False

• numpy.isnan(x, *args, **kwargs)

  • Test element-wise for NaN and return result as a boolean array

  import numpy as np
  
  x=np.array([1,2,np.nan,3,4])
  y=np.isnan(x)
  
  print(y) # [False False True False False]
  z=np.count_nonzero(y)
  print(z) # 1
  np.count_nonzero(x) # 
  

1.2 numpy.inf

正无穷大：numpy.inf、numpy.Inf、numpy.infty、numpy.Infinity、numpy.PINF

• numpy.inf 与其他数值的比较

import numpy as np
print(np.inf > 100000) # True

1.3 numpy.pi

圆周率：numpy.pi

1.4 numpy.e

自然常数：numpy.e

2. 数据类型

2.1 常见数据类型

2.2 创建数据类型

import numpy as np

x=np.dtype('b1')
print(x.type) 
print(x.itemsize)

x=np.dtype('i1')
print(x.type)
print(x.itemsize)
x=np.dtype('i2')
print(x.type)
print(x.itemsize)
x=np.dtype('i4')
print(x.type)
print(x.itemsize)
x=np.dtype('i8')
print(x.type)
print(x.itemsize)

x=np.dtype('u1')
print(x.type)
print(x.itemsize)
x=np.dtype('u2')
print(x.type)
print(x.itemsize)
x=np.dtype('u4')
print(x.type)
print(x.itemsize)
x=np.dtype('u8')
print(x.type)
print(x.itemsize)

x=np.dtype('f2')
print(x.type)
print(x.itemsize)
x=np.dtype('f4')
print(x.type)
print(x.itemsize)
x=np.dtype('f8')
print(x.type)
print(x.itemsize)

x = np.dtype('S') 
print(x.type)  
print(x.itemsize)
x = np.dtype('S3')
print(x.type)  
print(x.itemsize) 
x = np.dtype('U3') 
print(x.type)
print(x.itemsize)  

3. 时间日期和时间增量

datatime64

日期/时间 单位	含义
Y	年
M	月
W	周
D	天
h	小时
m	分钟
s	秒
ms	毫秒
us	微妙
ns	纳秒
ps	皮秒
fs	飞秒
as	阿托秒

• 默认情况下，numpy根据字符串自动选择对应的单位

import numpy as np
x=np.datatime64('2020-10-20')
print(x,x.dtype) 

x=np.datatime64('2020-10-20 21:50')
print(x,x.dtype)

• 强制制定单位

import numpy as np
x=np.datatime64('2020-10','D')
print(x,x.dtype)

x=np.datatime64('2020-10','Y')
print(x,x.dtype)

print(np.datetime64('2020-10') == np.datetime64('2020-10-01')) 
# True 
# 2020-10 和 2020-10-01 所表示的是同一个时间
print(np.datetime64('2020-10') == np.datetime64('2020-10-02'))  
#False

• 从字符串创建 datetime64 数组

  单位不统一，则一律转化成其中小的单位

import numpy as np
x = np.array(['2020-03', '2020-03-08', '2020-03-08 20:00'], dtype='datetime64') 
print(x, x.dtype) 

• arange() 创建datatime64数组

import numpy as np
a = np.arange('2020-08-01', '2020-08-10', dtype=np.datetime64) print(a)
print(a.dtype) 

a = np.arange('2020-08-01 20:00', '2020-08-10', dtype=np.datetime64) print(a) 
print(a.dtype) 

a = np.arange('2020-05', '2020-12', dtype=np.datetime64) 
print(a) 
print(a.dtype)  

3.1. datatime64 & timedelta64运算

a = np.timedelta64(1, 'Y') 
b = np.timedelta64(6, 'M') 
c = np.timedelta64(1, 'W')
d = np.timedelta64(1, 'D') 
e = np.timedelta64(10, 'D')
print(a)  # 1 years 
print(b)  # 6 months 
print(a + b)  # 18 months 
print(a - b)  # 6 months 
print(2 * a)  # 2 years 
print(a / b)  # 2.0 
print(c / d)  # 7.0 
print(c % e)  # 7 days

3.2 datatime64的应用

• numpy.busday_offset(dates, offsets, roll='raise', weekmask='1111100', holidays=None, busdaycal=None, out=None)

• numpy.is_busday(dates, weekmask='1111100', holidays=None, busdaycal=None, out=None)

• numpy.busday_count(begindates, enddates, weekmask='1111100', holidays=[], busdaycal=None, out=None)

4. 数组的创建

numpy 提供的重要的数据结构是 ndarray ，它是 python 中 list 的扩展。

4.1 依据现有数据来创建ndarray

• 通过array()创建

def array(p_object, dtype=None, copy=True, order='K', subok=False, ndmin=0):

• 通过asarray()创建

def asarray(a, dtype=None, order=None):    
    return array(a, dtype, copy=False, order=order)

• 通过fromfunction()创建

def fromfunction(function, shape, **kwargs):