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]])