Numpy学习笔记（1）

Numpy的部分功能

1.用于数据整理和清理、子集构造和过滤、转换等快速的矢量化数组运算

2.常用的数组算法，如排序、唯一化、集合运算等
3.高效的描述统计和数据聚合/摘要运算
4.用于异构数据集的合并/连接运算的数据对齐和关系型数据运算
5.将条件逻辑表述为数组表达式
6.数据的分组运算（聚合、转换、函数应用等）


一、ndarray：一种多维数组
1.创建简单的ndarray
>>> data=[1,2,3,4]
>>> data
[1, 2, 3, 4]
>>> arr=np.array(data)
>>> arr
array([1, 2, 3, 4])
>>> arr.shape
(4,)
#shape是各维度大小的元组
>>> arr.dtype
dtype('int64')
#dtype是说明数组数据类型的对象


2.创建一个多维数组（由嵌套序列转换而来）
>>> data1=([1,2,3,4],[1.1,2.2,3.3,4.4])
>>> data1
([1, 2, 3, 4], [1.1, 2.2, 3.3, 4.4])
>>> arr1=np.array(data1)
>>> arr1
array([[ 1. ,  2. ,  3. ,  4. ],
       [ 1.1,  2.2,  3.3,  4.4]])
>>> arr1.ndim
2
>>> arr1.shape
(2, 4)
>>> arr1.dtype
dtype('float64')


3.使用numpy的函数创建ndarray
>>> np.zeros(10)
array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])
>>> np.ones(20)
array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,
        1.,  1.,  1.,  1.,  1.,  1.,  1.])
>>> np.arange(15)
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])


函数 说明
array 将输入数据转换为ndarray（要么推断出dtype，要么显式指定dtype）
asarray 将输入转换为ndarray，如果输入本身是ndarray就不进行复制
arange 类似于内置的range，返回一个ndarray
ones、ones_like 根据指定的形状和dtype创建一个全1数组。ones_like以另一个数组为参数，并根据形状和dtype创建一个全1数组
zeros、zeros_like 同上，创建全0数组
empty、empty_like 创建新数组，只分配内存空间但不填充任何值
eye、identity 创建一个正方的NXN的数组（对角线为1，其余全0）


4.ndarray的数据类型

类型	类型代码	说明
int8、uint8	i1、u1	有符号和无符号8位整型（1字节）
int16、uint16	i2、u2	有符号和无符号16位整型（2字节）
int32、uint32	i4、u4	有符号和无符号32位整型（4字节）
int64、uint64	i8、u8	有符号和无符号64位整型（8字节）
float16	f2	半精度浮点数
float32	f4、f	单精度浮点数
float64	f8、d	双精度浮点数
float128	f16、g	扩展精度浮点数
complex64	c8	分别用两个32位表示的复数
complex128	c16	分别用两个64位表示的复数
complex256	c32	分别用两个128位表示的复数
bool	?	布尔型
object	O	python对象
string_	Sn	固定长度字符串，每个字符1字节，如S10
unicode_	Un	固定长度Unicode，字节数由系统决定，如U10

可使用astype来显式转换dtype

>>> arr=np.array([1.1,2.2,3.3,4.4])
>>> arr.dtype
dtype('float64')
>>> arr.astype(np.int64)
array([1, 2, 3, 4])