数据分析的NumPy模块（一）：初始NumPy模块、数组的基本操作（内置数组创建方法、随机数组抽样、文件 I/O 创建数组、ndarray数组属性）

最新推荐文章于 2022-12-20 20:45:41 发布

奋斗的源

最新推荐文章于 2022-12-20 20:45:41 发布

阅读量419

点赞数

分类专栏：数据分析基础知识文章标签： numpy 数据分析

本文链接：https://blog.csdn.net/yuanfate/article/details/108335666

版权

数据分析基础知识专栏收录该内容

12 篇文章 11 订阅

订阅专栏

一.初识NumPy模块

1.简介

（1）概念
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。
（2）优势
其开源免费、编码效率高、执行效率高、扩展性好
（3）安装
可以使用pip install numpy进行安装，当然，如果我们的计算机中已经安装好了Anaconda，那就不需要安装了，Anaconda会帮我们安装许多库，其中就有Numpy库

2.数据类型

Python 本身支持的数值类型有 int（整型，python2 中存在 long 长整型）、float（浮点型）、bool（布尔型）和 complex（复数型）。
而 Numpy 支持比 Python 本身更为丰富的数值类型，细分如下：
在这里插入图片描述
在 Numpy 中，上面提到的这些数值类型都被归于 dtype（data-type）对象的实例。
我们可以用 numpy.dtype(object, align, copy) 来指定数值类型。而在数组里面，可以用 dtype= 参数。

拓展：np.float32：在一些老牌公司里，被叫作E8M23
np.float64：被叫作E11M52

3.从图片认识numpy

在jupyter上操作：
读取图片：
在这里插入图片描述
运行结果：

查看形状：

展示图片：

将图片由.jpg格式转换为.png格式：
jpg的取值范围：0-255，png的取值范围：0-1
所以我们不能直接修改后缀名

保存图片：

运行结果：

4.数组对象ndarray

（1）简介
numpy中最重要的一个形式叫ndarray，n：表示的是n个，d：dimension 维度，array：数组
在这里插入图片描述
（2）参数类型
Numpy 中，ndarray 类具有六个参数，它们分别为：

（3）创建ndarray
创建ndarray最简单的操作：

但在 numpy 中，我们一般主要通过以下 5 种途径创建数组，它们分别是：

从 Python 数组结构列表，元组等转换。
使用 np.arange、np.ones、np.zeros 等 numpy 原生方法。
从存储空间读取数组。
通过使用字符串或缓冲区从原始字节创建数组
使用特殊函数，如 random。

二.NumPy中数组的基本操作

1.内置的数组创建方法

（1）从列表或元组转换

在 numpy 中，我们使用 numpy.array 将列表或元组转换为 ndarray 数组。其方法为：

numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)
其中，参数：
　　object：列表、元组等。
　　dtype：数据类型。如果未给出，则类型为被保存对象所需的最小类型。
　　copy：布尔来写，默认 True，表示复制对象。
　　在这里插入图片描述
列表，元组都叫序列

哪些能转换和不能转换？？？

 - yes : list  tuple  range
 - no : dict  set  generator str  num function class model

（2）arange 方法创建

除了直接使用 array 方法创建 ndarray，在 numpy 中还有一些方法可以创建一些有规律性的多维数。首先，我们来看一看 arange()。arange() 的功能是在给定区间内创建一系列均匀间隔的值。方法如下：

numpy.arange(start, stop, step, dtype=None)
你需要先设置值所在的区间，这里为 [开始，停止），你应该能发现这是一个半开半闭区间。然后，在设置step步长用于设置值之间的间隔。最后的可选参数dtype可以设置返回ndarray` 的值类型。
举个例子：
在这里插入图片描述

（3）linspace 方法创建

linspace方法也可以像arange方法很像，创建数值有规律的数组。inspace用于在指定的区间内返回间隔均匀的值。其方法如下：

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
其中，参数：
　　start：序列的起始值。
　　stop：序列的结束值。
　　num：生成的样本数。默认值为50。
　　endpoint：布尔值，如果为真，则最后一个样本包含在序列内。
　　retstep：布尔值，如果为真，返回间距。
　　dtype：数组的类型。
举个例子：
在这里插入图片描述
logspace是线性生成，并且以什么为底
start从几开始，stop 到数字结尾， num 生成多少个数，base 表示的是底数，默认以10为底

在这里插入图片描述

（4）ones 方法创建

numpy.ones 用于快速创建数值全部为 1 的多维数组。其方法如下：

numpy.ones(shape, dtype=None, order=‘C’)
其中，参数：
　　shape：用于指定数组形状，例如（1， 2）或 3。
　　dtype：数据类型。
　　order：{‘C’，‘F’}，按行或列方式储存数组。
举个例子：
在这里插入图片描述

（5）zeros 方法创建

zeros 方法和上面的 ones 方法非常相似，不同的地方在于，这里全部填充为 0。zeros 方法和 ones 是一致的。

numpy.zeros(shape, dtype=None, order=‘C’)
其中，参数：
　　shape：用于指定数组形状，例如（1， 2）或3。
　　dtype：数据类型。
　　order：{‘C’，‘F’}，按行或列方式储存数组。
举个例子：
在这里插入图片描述

（6）full方法创建

numpy.full用于创建一个自定义形状的数组，可以自己指定一个值，该值填满整个矩阵。

numpy.full(shape,fill_value=num)
举个例子：
在这里插入图片描述

（7）eye 方法创建

numpy.eye 用于创建一个二维数组，其特点是k 对角线上的值为 1，其余值全部为0。方法如下：

numpy.eye(N, M=None, k=0, dtype=<type ‘float’>)
#k表示从下标第几个开始
其中，参数：
　　N：输出数组的行数。
　　M：输出数组的列数。
　　k：对角线索引：0（默认）是指主对角线，正值是指上对角线，负值是指下对角线。
举个例子：
在这里插入图片描述