【Python数据分析】Numpy

Numpy使用

---

一、Numpy是什么？

官网

	https://numpy.org/

what is numpy?

• The fundamental package for scientific computing with Python
• multidimensional array object 【编程模型】
• arrays and matrices [数组和矩阵]
• 可以用来 数组操作、矩阵操作、线下代数、sort、random

---

二、Python默认与Numpy对比

List

• Python List
  -可放不同数据类型的元素
• Numpy List
  -元素类型必须统一

---

三、读入数据

如何创建 ndarray

There are 6 general mechanisms for creating arrays:
1. Conversion from other Python structures (i.e. lists and tuples)
2. Intrinsic NumPy array creation functions (e.g. arange, ones, zeros, etc.)
3. Replicating, joining, or mutating existing arrays
4. Reading arrays from disk, either from standard or custom formats
5. Creating arrays from raw bytes through the use of strings or buffers
6. Use of special library functions (e.g., random)

有 6 种创建数组的通用机制：

1. 从其他 Python 结构（即列表和元组）转换
2. 内在的 NumPy 数组创建函数（例如 arange、ones、zeros 等）
3. 复制、加入或改变现有数组
4. 从磁盘读取数组，无论是标准格式还是自定义格式
5. 通过使用字符串或缓冲区从原始字节创建数组
6. 使用特殊库函数（例如，random）

---

Numpy arrays

1.ndarray  n N维数组对象
2.【元素数据类型必须相同】

创建一维数组：
1.数据类型转化
2.内置函数

创建二维数组：
1.数据类型转化
2.内置函数

数组属性：
1.修改 sharp
2.转换数据类型：
1.nparr =》 python
2.nparr元素 int =》 float

数组切片：
切片：取值

一维数组：

二维数组：

根据条件进行取值

ifnull(condition,xx,xxx)

5.数组的轴 (axis)

1. numpy 轴 可以理解为方向

2. 数组 0 1 2 表示
   eg ：
   一维数组：只有一个 0 轴
   二维数组：0轴 1轴
   三维数组：0轴 1轴 2轴

3. 轴 用于计算：
   按照 0、1、2轴进行计算

np.xxx() api
Eg: np.sum ; np.mean

6.数组的计算

跟矩阵一样：
1. 数组与数的计算
2. 形状相同的数组计算
3. 不同形状的数组 计算？
4. 行数 或 列数相同的 一维数组 与 多维数组 进行计算

7.数组中的空值
数组的操作：

8.random

总结

本文仅仅简单介绍了Numpy的使用，而Numpy提供了大量能使我们快速便捷地处理数据的函数和方法。