利用Python进行数据分析之Numpy

 

 

Numpy(Numercial（数字的）Python的简称)是高性能计算和数据分析的基础包。

• ndarray，一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。
• 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。
• 用于读写磁盘数据的工具以及用汉语操作内存映射文件的工具。
• 线性代数、随机数生成以及傅里叶变换功能。
• 用于集成由C、C++、Fortran等语言编写的代码工具。

Numpy的ndarry:一种多维数组对象

Numpy最重要的一个特点就是其N维数组对象(即ndarry)，该对象是一个快速而灵活的大数据容器。

• 所有的元素必须是相同的类型
• 每个数组都有一个shape（一个表示各维度大小的元组）和一个dtype（一个用于说明数据类型的对象）

创建ndarry

1.array函数

import numpy as np
data1 = [6,7.5,8,0,1]
arr1 = np.array(data1)
arr1
array([6. , 7.5, 8. , 0. , 1. ])

2.zeros和ones 分别创建指定长度或形状的全0或全1数组

np.zeros((3,6))
array([[0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.]])

3.arange是Python内置的range的数组版：

np.arange(15)
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

Numpy查看数组属性

1.数组个数 

data.shape

2.数组形状

data.shape

3.数组维度

data.ndim

4.数组元素类型

data.dtype

ndarry的数据类型

dtype(数据类型)是一个特殊的对象，它含有ndarry将一块内存解释为特定数据类型所需的信息：

arr1 = np.array([1,2,3],dtype=np.float64)
attr1.dtype
dtype('float64')

可以通过ndarry的astype方法显式地转换其dype

arr = np.array([1,2,3,4,5])
arr.dtype
dype('int64')

float_arr = arr.astype(np.float64)
float_arr.dtype
dtype('float64')

调用adtype会创建一个新的数据(原始数据的一份拷贝)，即使新的dtype跟旧的dtype相同也是如此

 

序号	数据类型及描述
1.	bool_ 存储为一个字节的布尔值（真或假）
2.	int_ 默认整数，相当于 C 的long，通常为int32或int64
3.	intc 相当于 C 的int，通常为int32或int64
4.	intp 用于索引的整数，相当于 C 的size_t，通常为int32或int64
5.	int8 字节（-128 ~ 127）
6.	int16 16 位整数（-32768 ~ 32767）
7.	int32 32 位整数（-2147483648 ~ 2147483647）
8.	int64 64 位整数（-9223372036854775808 ~ 9223372036854775807）
9.	uint8