利用python进行数据分析

《利用python进行数据分析.第三版》 第四章 Numpy

一、numpy的ndarray:一种多维数组对象

1. 创建nadrray

属性：
arr.nidm:维度
arr.shape：维度大小
arr.dtype：数值类型

表达规则：
np.函数(列表或元祖)

    1.np.array(列表或者元祖)；array函数：接受一切序列型的对象：
    2.np.zeros(数值或者元祖);zeros函数：创建指定长度全0数组
    3.np.ones(数值或者元祖);ones函数：创建指定长度全1数组
    4.np.arange(数值)#后面一定跟数值
    #一维数组：np.arange(12)
    #二维数组：np.arange(12).reshape(3,4)
    
    注：以上创建函数后是列表或者数值即为一维数组；是元祖即为二维数组

    #列表转化为一维数组
    data1=[6,7.8,8,0,1]
         arr1=np.array(data1)
         arr1
         array([6. , 7.8, 8. , 0. , 1. ])
    #嵌套列表转化为多维数组
    data2=[[1,2,3,4],[5,6,7,8]]
    arr2=np.array(data2)
    arr2
    array([[1, 2, 3, 4],
           [5, 6, 7, 8]])
     #arange函数
     data3=np.arange(12)
[/code]

![这里写图片描述](https://img-
blog.csdn.net/20180725232554629?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNzg3Mjcx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)  
2.ndarray的数据类型

```code
     1. 直接设置数据类型
         arr1=np.array([1,2,3,4],np.float64)
     2. 转化数据类型：astype
         int_arr1=arr1.astype(np.int64)
     3. 传递数据属性
        int_array=np.arange(10) ; cailbers=np.array([.1,.2,.3,.4],np.float64)
        int_array.astype(cailbers.dtype)

笔记：调用astype总会创建一个新的数组（一个数据的备份），即使新的dtype与旧的dtype相同

3.NumPy数组的运算

      1. 大小相等的数组之间的任何算术运算都会将运算应用到元素级：
      2. 数组与标量的算术运算会将标量值传播到各个元素：
      3. 大小相同的数组