咱們須要瞭解一下 numpy 的應用場景
web
NumPy提供了大量的數值編程工具，能夠方便地處理向量、矩陣等運算，極大地便利了人們在科學計算方面的工做。另外一方面，Python是免費，相比於花費高額的費用使用Matlab，NumPy的出現使Python獲得了更多人的青睞
編程
查看 numpy 版本
數組
import numpy
numpy.version.full_version
數組
微信
NumPy中的基本對象是同類型的多維數組（homogeneous multidimensional array），這和C++中的數組是一致的，例如字符型和數值型就不可共存於同一個數組中。先上例子dom
a = numpy.arange(20)
經過函數reshape，咱們能夠從新構造一下這個數組，例如，咱們能夠構造一個4*5的二維數組，其中reshape的參數表示各維度的大小，且按各維順序排列（兩維時就是按行排列，這和R中按列是不一樣的）：
ide
a = a.reshape(4,5)
構造更高維的也沒問題:函數
a = a.reshape(2,2,5)
既然a是array，咱們還能夠調用array的函數進一步查看a的相關屬性：ndim查看維度；shape查看各維度的大小；size查看所有的元素個數，等於各維度大小的乘積；dtype可查看元素類型；dsize查看元素佔位（bytes）大小工具
建立數組
spa
數組的建立可經過轉換列表實現，高維數組可經過轉換嵌套列表實現：.net
raw = [0,1,2,3,4]
a = numpy.array(raw)
raw = [[0,1,2,3,4], [5,6,7,8,9]]
b = numpy.array(raw)
一些特殊的數組有特別定製的命令生成，如4*5的全零矩陣：
d = (4, 5)
numpy.zeros(d)
默認生成的類型是浮點型，能夠經過指定類型改成整型：
d = (4, 5)
numpy.ones(d, dtype=int)
[0, 1)區間的隨機數數組：
numpy.random.rand(5)
數組操做
簡單的四則運算已經重載過了，所有的+，-，*，/運算都是基於所有的數組元素的，以加法爲例：
相似C++，+=、-=、*=、/=操做符在NumPy中一樣支持：
開根號求指數也很容易：
須要知道二維數組的最大最小值怎麼辦？想計算所有元素的和、按行求和、按列求和怎麼辦？for循環嗎？不，NumPy的ndarray類已經作好函數了：
數組元素訪問
數組和矩陣元素的訪問可經過下標進行，如下均以二維數組（或矩陣）爲例：
能夠經過下標訪問來修改數組元素的值：
如今問題來了，明明改的是a[0][1]，怎麼連b[0][1]也跟着變了？這個陷阱在Python編程中很容易碰上，其緣由在於Python不是真正將a複製一份給b，而是將b指到了a對應數據的內存地址上。想要真正的複製一份a給b，能夠使用copy
若對a從新賦值，即將a指到其餘地址上，b仍在原來的地址上：
利用:能夠訪問到某一維的所有數據，例如取矩陣中的指定列：
數組操做
仍是拿矩陣（或二維數組）做爲例子，首先來看矩陣轉置：
矩陣求逆：
求特徵值和特徵向量
按列拼接兩個向量成一個矩陣：
在循環處理某些數據獲得結果後，將結果拼接成一個矩陣是十分有用的，能夠經過vstack和hstack完成：
缺失值
缺失值在分析中也是信息的一種，NumPy提供nan做爲缺失值的記錄，經過isnan斷定。
nan_to_num可用來將nan替換成0，在後面會介紹到的更高級的模塊pandas時，咱們將看到pandas提供能指定nan替換值的函數。
NumPy還有不少的函數，想詳細瞭解可參考連接 http://wiki.scipy.org/Numpy_Example_List 和 http://docs.scipy.org/doc/numpy
最後獻上NumPy SciPy Pandas Cheat Sheet
本文分享自微信公衆號 - 人生代碼（lijinwen1996329ken）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。