数据分析入门----numpy库

Python 数据分析之numpy库
NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Numpy内部解除了Python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!
Import numpy as np
1.创建数组对象：
1.1数组属性：

1.2数组的创建：
Numpy.array(object,dtype=None,cope=Ture,order=’K’,subok=Fales,ndmin=0)
Objict:接收array,表示想要创建的数组。无默认
Dtype:表示数组所需要的数据类型，如果为给定，则选择保存对象所需的最小类型。
Ndmin:指定生成数组应该具有的最小维数。
1.3生成随机数：

随机数函数：random.random(生成随机数）random.rand(生成服从均匀分布的随机数）random.randn（生成服从正态分布的随机数）random.randint(low,high=None,size=None,dtype=’1’)(生成给定上下界范围的随机数）low为最小值，high为最大值，size为数组的shape.
2.4数组元素的索引
2.5数组形态变化：
Random.reshape()改变原始数据的形状，不改变值。random.ravel()将数组横向展平，flatten()当不加参数时，将矩阵横向展开，flatten(‘F’)将矩阵纵向展开。
矩阵合并：hstack()将矩阵横向加入，vstack()将矩阵纵向加入，concatenate()当axis=0时纵向加入，axis=1时横向加入。
矩阵分割：hsplit()实现横向分割，vsplit()纵向分割，split()当axis=1时横向分割，axis=0时纵向分割。
矩阵的创建：np.mat()创建一个矩阵，np.matrix()创建的矩阵同np.arange()，np.bmat创建分块矩阵。
矩阵对象的属性：
matrix.T transpose：返回矩阵的转置矩阵
matrix.H hermitian (conjugate) transpose：返回复数矩阵的共轭元素矩阵
matrix.I inverse：返回矩阵的逆矩阵
matrix.A base array：返回矩阵基于的数组
ufunc函数的广播机制：

Numpy的读和写操作：
1.NumPy 文件读写主要有二进制的文件读写和文件列表形式的数据读写两种形式
(1) save 函数是以二进制的格式保存数据。 格式: np.save ("./save_arr “, arr1)
(2) load 函数是从二进制的文件中读取数据。 格式: np.load(”./ save_arr.npy")
(3) savez 函数可以将多个数组保存到一个文件中。 格式: np.savez(’./savez_arr’,arr1,arr2)
(4) 存储时可以省略扩展名，但读取时不能省略扩展名
原文链接：https://blog.csdn.net/weixin_44258187/article/details/85835429
2.NumPy 文件读写主要有二进制的文件读写和文件列表形式的数据读写两种形式
(1) save 函数是以二进制的格式保存数据。 格式: np.save ("./save_arr “, arr1)
(2) load 函数是从二进制的文件中读取数据。 格式: np.load(”./ save_arr.npy")
(3) savez 函数可以将多个数组保存到一个文件中。 格式: np.savez(’./savez_arr’,arr1,arr2)
(4) 存储时可以省略扩展名，但读取时不能省略扩展名
数组排序：sort()函数排序，直接对值进行排序；argsort()函数排序时是对数组下表进行打印的。Lexsort():

去除重复与重复数据：
去重：unique()去除重复的元素;tile(A,reps)进行数组的重复reps代表重复的次数；repeat(a,repeats,axis=0或1）对数组中的元素进行重复。
常用的统计函数：

注意: 每个统计函数都可以按行和列来统计计算; 当 axis=1 时，表示沿着横轴计算; 当 axis=0 时，表示沿着纵轴计算;