【Python数据分析与展示】（一）numpy基础

ndarray

import numpy as npa = np.array([[1,2,3,4,5],             [9,8,7,6,5]])print(a)

轴（axis）：数据的维度 秩（rank）：轴的数量

ndarray对象的属性

属性 说明 .ndim 秩，即轴的数量，或维度的数量 .shape ndarray对象的尺度，对于矩阵表示n行m列 .size ndaaray对象元素的个数，相当于n*m的值 .dtype 对象的元素类型 .itemsize ndarray对象中每个元素的大小，以字节为单位

使用nuympy函数创建ndarray

函数 说明 np.arange（n） 0到n-1 np.ones(shape) 生成一个全一的数组，shape是一个元组类型 np.zeros（shape） 生成一个全零的数组，shape是一个元组类型 np.emty(shape) 生成近似于空的数组 np.full(shape，val) 每个元素值都是val np.eye(n) 生成一个n*n单位矩阵，对角线为1，其余全0 np.ones_like（nparry） 生成一个和目标相同shape的全一数组 np.zeros_like（nparry） np.empty_like（nparry） np.full_like（nparry，val） np.linspace（start, stop, num=50, endpoint=True） 等间距生成数组 np.concatenate(a,b) 合并两个数组成一个

维度变换方法

函数 说明 .reshape((a, newshape, order=’C’)) 不改变数组元素，返回一个newshape形状的数组 .resize(shape) 与reshape一样，不过修改原数组 .swapaxes(ax1,ax2) 将两个维度进行调换 .platten() 降维

代码实例

a = np.arange(6).reshape((3, 2))a # array([[0, 1],           [2, 3],           [4, 5]])a.flatten() #array([0,1, 2, 3, 4, 5])

数组的索引和切片

"""索引 """a = np.arange(24).reshape(2,3,4)a #array([[[ 0,  1,  2,  3],          [ 4,  5,  6,  7],          [ 8,  9, 10, 11]],         [[12, 13, 14, 15],          [16, 17, 18, 19],          [20, 21, 22, 23]]])a[1,2,3] #23a[1,2,-1] # 23""" 切片 """a[:,1,-3] # 5,17a[:,1:3,:] #array([[[ 4,  5,  6,  7],         [ 8,  9, 10, 11]],        [[16, 17, 18, 19],         [20, 21, 22, 23]]])a[:,:,::2] # ：：2表示步长跳跃#array([[[ 0,  2],        [ 4,  6],        [ 8, 10]],       [[12, 14],        [16, 18],        [20, 22]]])""" 运算 """""" 数组与标量的计算，对应到a中每一个元素，略 """

一元函数

函数 说明 np.abs() 绝对值 np.sqrt() 平方根 np.square() 平方 np.log() np.log10() np.log2() 对数 np.ceiling() np.floor() ceiling是进一 floor是退一 np.rint 四舍五入整数 np.modf(x) 将数组的小数和整数部分已两个独立数组返回 np.sin(x) … 三角函数 np.exp(x) 指数函数 np.sign(x) 返回各元素的符号 正负号

二元函数

函数 说明 +-*/ ** np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin() np.mod(x,y) np.copysign(x,y) 把y的符号赋给x >< >= <= == != 算数比较，产生一个布尔数组