Python数据分析的NumPy模块学习

Numpy是利用python来进行数据分析中必须要掌握的基础。是高性能科学计算和数据分析的基础包。利用numpy能对整组数据无需循环就能进行快速的标准数学函数计算，同时能进行线性代数，随机数，以及傅里叶变换等等功能，而对于数据分析来说，比较重要的用途就是数据的清理，过滤，子集构造，转换，排序，描述统计等等。

一、数组

1.创建

import numpy as np  # 导入模块
a = np.array([[1,2,3]]) # 一维数组

b = np.array([[1,2,3],[4,5,6]])  # 二维数组

2.查看数组的一些信息

a.size         数组的元素个数
a.shape      数组的维度
a.itemsize  数组元素所占内存的大小
a.dtype       数组元素类型

3.利用zeros，ones来创建全0，全1数组
np.zeros((2,3))

array([[0., 0., 0.],
       [0., 0., 0.]])

np.ones((2,3))

array([[1., 1., 1.],
       [1., 1., 1.]])

4.利用arange来创建数组

 np.arange(12)

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

 np.arange(12).reshape((3,4)) # 一维变二维

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

二、矩阵

1.矩阵的创建

使用mat（）可以把array转换为矩阵

 np.mat(([1,2],[3,4])) #矩阵

matrix([[1, 2],
        [3, 4]])

2..转换为mat之后，两个矩阵可以直接运算，如：

相乘*

import numpy as np
a = [[1,2],[3,4]]
b = [[1,1],[1,1]]

np.matrix(a)*np.matrix(b) #矩阵相乘

matrix([[3, 3],
        [7, 7]])

3.矩阵的转置等操作

np.matrix(a).T  # T 转置   ，H 返回自身的共轭转置， I 返回自身的逆矩阵， A 返回自身数据的2维数组的一个视图

matrix([[1, 3],
        [2, 4]])