NumPy 快速入门：数组对象，数组属性，花式索引等基础介绍

1、NumPy 简介：

NumPy （Numerical Python的简称）是高性能科学计算和数据分析的基础包，是想利用 Python 进行数据分析人士必须了解的模块之一。

由于各种原因 NumPy 模块并不是 Python 的标准模块，故需安装使用：

pip install numpy

导入 NumPy 模块时通常约定写成：

import numpy as np

numpy 主要功能：

1. 提供 ndarray 对象：具有矢量算数运算和复杂广播能力的多维数组；
2. 提供了许多可对数组对象直接运算的标准数学函数，而无需编写循环；
3. 提供了用于读写磁盘数据的工具及用于操作内存映射文件的工具；
4. 提供了线性代数、随机生成及傅里叶变换功能；
5. 用于集成由 C 、C++、Fortran 等语言编写的代码的工具。

2、ndarray 数组对象：

ndarray 是指 NumPy 中的N维数组对象，是一个快速而灵活地大数据集容器。

3、创建数组：

array 函数： 可接收一切序列对象（包括其他数组对象），然后产生一个新的 NumPy 数组。

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数	含义
object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

简单示例：

import numpy as np  # 导入模块，后面示例不再写

data = [6,7.5,8,0,1]
arr1 = np.array(data)
print(arr1)  # [6.  7.5  8.  0.  1. ]

接收一个嵌套序列：

data2 = [[1,2,3,4],[5,6,7,8]]
arr2 = np.array(data2)
print(arr2)
'''
[[1 2 3 4]
 [5 6 7 8]]
'''

解析： 除非设置数据类型（数据类型稍后会详细介绍），或者 array 函数会根据传入的序列选择适合的数据类型。

如，在上面 arr1 中，传入的列表中有 7.5 浮点数，所以创建的 arr1 数组类型为浮点型。

查看创建的数组数据类型：

print(arr1.dtype)  # float64
print(arr2.dtype)  # int32 或 int64 ，和安装的 Python 版本有关

其他创建数组的方法：

zeros 函数： 创建全 0 数组

# 创建一维数组
print(np.zeros(10))  # [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
# 创建多维数组
print(np.zeros((3,6)))  
'''
[[0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]]
'''

empty 函数：

print(np.empty((2,3,2)))
'''
[[[8.74e-322 0.00e+000]
  [0.00e+000 0.00e+000]
  [0.00e+000 0.00e+000]]

 [[0.00e+000 0.00e+000]
  [0.00e+000 0.00e+000]
  [0.00e+000 0.00e+000]]]
'''

arange 函数： 是 Python 内置函数 range 的数组版

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

eye 函数： 创建一个单位矩阵

print(np.eye(3,3))
'''
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
'''

4、数组的数据类型：

NumPy 的一个数组对象里所有的数据都是同质的，即数组内 数据类型一致 。

设置、查看数组对象数据类型：

arr3 = np.array([1,2,3],dtype=np.float)
arr4 = np.array([1,2,3],dtype=np.int)
print(arr3.dtype,arr4.dtype) 
# 打印结果
# float64 int32

转换数组数据类型：

arr5 = np.array([1,2,3,4,5])
print(arr5.dtype)  # int32
float_arr5 = arr5.astype(np.float)
print(float_arr5.dtype)  # float64

注：astype 会创建一个新的数组对象

自定义数据类型：

NumPy 也提供了自定义数组对象的数据类型方法。自定义数据类型是一种异构数据类型，可以当做记录一行数据的结构。
如：创建一个存储商店库存信息的数据类型，该库存信息有：商品名称、库存数量、商品价格。

# 创建数据类型
my_type = np.dtype([('name'