numpy基础

numpy是一个开源的Python科学计算库，他是Python科学计算库的基础库，Pandas，Scikit-learn等都要用到Numpy库的一些功能。

1. Numpy数组对象

Numpy中的多维数组称为ndarray，是Numpy中最常见的数组对象。
优势：

numpy数组通常是由相同种类的元素组成，即数组中的数据项的类型一致。这样的好处是，由于知道数组元素的类型相同，所以能快速确定存储数据所需空间的大小。
Numpy数组能够运用向量化运算来处理整个数组，速度较快；而Python的列表通常需要借助循环语句遍历列表（Python本身效率偏低）运行效率相对来说较差。Numpy使用了优化过的C API，运算速度较快

2. 创建ndarray数组对象

导入numpy，一般使用np作为简写，这是官方倡导的写法。
import numpy as np

1. 基于原有的list或者tuple转换

2. np.arange

3. 使用np.random.rand生成随机数组

以及使用zeros，ones，empty函数创建数组

3. Numpy的数值类型

bool 布尔类型，True或False，占用1比特inti 其长度取决于平台的整数，一般是int32或者int64int8 字节长度的整数，取值：[-128,127]int16 16位长度的整数，取值：[-32768,32767]int32 32位长度的整数int64 32位长度的整数uint8 8位无符号整数uint16 16位无符号整数uint32 32位无符号整数uint64 32位无符号整数float16 16位半精度浮点数：1位符号位，5位指数，10位尾数float32 32位半精度浮点数：1位符号位，8位指数，23位尾数float64或float双精度浮点数：1位符号位，11位指数，52位尾数complex 复数类型，实部和虚部都是32位浮点数

每一种数据类型都有相对应的数据转换函数，在创建数组时，可以指定数据类型，复数不能转换为整数类型或者浮点数

4. ndarray数组的属性

dtype属性，数组中元素的数据类型；
ndim属性，数组维度的数量；
shape属性，数组对象的尺度，对于矩阵，即n行m列，shape是一个元祖；
size属性，用来保存元素的数量；
itemsize属性，返回数组中各个元素所占用的字节数大小；
nbytes属性， 如果想知道整个数组所需的字节数量，可以使用该属性，值等于数组的size属性值乘以itemsize属性值；
T属性，数组转置
real和imag属性，复数的实部和虚部flat属性，返回一个numpy.flatiter对象,即可迭代对象。

5. 常用函数

向上取整np.ceil(arr)
向下取整np.floor(arr)
四舍五入np.rint(arr)
判断数组中的元素是否为空np.isnan(arr)
相乘np.multiply(arr1,arr2)
相除np.divide(arr1,arr2)
计算相加结果np.sum(arr)
计算平均数np.mean(arr)
最大值np.max(arr)
最小值np.min(arr)
方差np.var(arr)
标准差np.std(arr)
最大值的下标(索引)np.argmax(arr)
最小值的下标(索引)np.argmin(arr)
累加计算np.cumsum(arr)
累乘np.cumprod(arr) where()函数 1.条件 2.条件成立时取得数据 3.条件不成立时 取得数据
any()函数 表示数组中至少有一个符合条件的元素，返回True，否则返回False
all()函数 表示数组中的元素必须全部符合条件时，返回True，否则返回False
unique() 返回数组中的唯一值，返回一个排好序的一维数组