初始NumPy庫(一)

在學習數據分析時，NumPy做爲最基礎的數據分析庫，咱們可以熟練的掌握它是學習數據分析的必要條件。接下來就讓咱們學習該庫吧。

學習NumPy庫的環境：                                                                                                                                                     

python：3.6.6

編輯器：pycharm

NumPy安裝：在cmd命令下，直接使用pip語句，pip install NumPy便可！

NumPy是使用Python進行科學計算的基本軟件包。它主要包含一下內容：

• 有一個強大的N維數組對象ndarray;
• 擁有複雜的廣播功能函數；
• 整合C/C++和Fortran代碼的工具；
• 線性代數、傅里葉變換、隨機數生成等功能。

具體的內容可參考NumPy官網信息：點擊官網

 Python基礎數據類型中是沒有數組概念，NumPy庫可以很好的知足了數組缺失，數組對象的優勢有：

1. 數組對象能夠去掉元素間運算的循環，使一維向量更像單個數據；
2. 設置專門的數組對象，通過優化，能夠提高這類應用的運算速度；
3. 數組對象採用相同的數據類型，有助於節省運算和存儲空間。

 1、ndarray的介紹

一、ndarray的構成：

ndarray有兩部分構成，一是實際數據；二是描述這些數據的元數據（數據維度、數據類型等）。ndarray數組通常要求全部元素類型相同（同質），數組的下標從0開始。

其中軸（axis）：保存數組的維度；秩（rank）：軸的數量

二、ndarray對象的屬性：

.ndim：秩，即軸的數量或維度的數量；

.shape：ndarray對象的尺度，對於矩陣，n行m列；

.size：ndarray對象元素的個數，至關於.shape的n*m的值；

.dtype：ndarray對象的元素類型；
.itemsize：ndarray對象中每一個元素的大小，以字節爲單位。

 以下舉例說明：

求數組a的平方和數組b的立方和：

import numpy as np

def npSum():
    a = np.array([0, 1, 2, 3, 4])
    b = np.array([9, 8, 7, 6, 5])
    c = a ** 2 + b ** 3
    return c

print(npSum())
[729 513 347 225 141]

以下是ndarray屬性的練習：

import numpy as np
a = np.array([[0, 1, 2, 3, 4], [9, 8, 7, 6, 5]])
print(a)
print(a.ndim)
print(type(a))
print(a.shape)
print(a.size)
print(a.dtype)
print(a.itemsize)

[[0 1 2 3 4]
 [9 8 7 6 5]]
2
<class 'numpy.ndarray'>
(2, 5)
10
int32
4

 三、ndarray數組的建立方法：

• 從python中的列表、元組等類型建立ndarray；
• 使用NumPy中函數建立ndarray數組，如arange，ones，zeros；
• 從字節流（raw bytes）中建立ndarray數組；
• 從文件中讀取特定的格式建立ndarray數組。

以下舉例說明：

①、從python中的列表、元組等類型建立ndarray數組：

 

 1 import numpy as np
 2 x = np.array([[1, 2], [9, 8], (0.1, 0.2)])
 3 print(x)
 4 print(x.shape)
 5 print(x.size)
 6 
 7 [[1.  2. ]
 8  [9.  8. ]
 9  [0.1 0.2]]
10 (3, 2)
11 6

 

②、使用NumPy中函數建立ndarray數組：

np.arange(n)            相似range()函數，返回ndarray類型，元素從0到n-1；
np.ones(shape)          根據shape生成一個全1數組，shape是元組類型；
np.zeros(shape)         根據shape生成一個全0數組，shape是元組類型；
np.full(shape, val)     根據shape生成一個數組，每一個元素值都是val；
np.eye(n)               建立一個正方的n*n單位矩陣，對角線爲1，其他爲0；

相似函數
np.ones_like(a)         根據數組a的形狀生成一個全1數組
np.zeros_like(a)        根據數組a的形狀生成一個全0數組
np.full_like(a,val)     根據數組a的形狀生成一個數組，每一個元素值都是val

np.linspace()           根據起止數據等間距地填充數據，造成數組
np.concatenate()        將兩個或多個數組合併成一個新的數組

 1 import numpy as np
 2 
 3 print(np.arange(10))
 4 print(np.ones((3, 6)))
 5 print(np.zeros((3, 6), dtype=np.int32))
 6 print(np.eye(5))
 7 
 8 [0 1 2 3 4 5 6 7 8 9]
 9 [[1. 1. 1. 1. 1. 1.]
10  [1. 1. 1. 1. 1. 1.]
11  [1. 1. 1. 1. 1. 1.]]
12 [[0 0 0 0 0 0]
13  [0 0 0 0 0 0]
14  [0 0 0 0 0 0]]
15 [[1. 0. 0. 0. 0.]
16  [0. 1. 0. 0. 0.]
17  [0. 0. 1. 0. 0.]
18  [0. 0. 0. 1. 0.]
19  [0. 0. 0. 0. 1.]]

 1 #不限制數據類型的時候生成的是浮點數
 2 a = np.linspace(1, 10, 4)
 3 print(a)
 4 # endpoint 是指最後一個元素是不是生成的四個元素中的一個
 5 b = np.linspace(1, 10, 4, endpoint=False)
 6 print(b)
 7 c = np.concatenate((a, b))
 8 print(c)
 9 
10 
11 [ 1.  4.  7. 10.]
12 [1.   3.25 5.5  7.75]
13 [ 1.    4.    7.   10.    1.    3.25  5.5   7.75]

 四、數組的變換

對於建立後的ndarray數組，能夠對其進行維度變換和元素類型變換：

ndarray數組的維度變換
.reshape(shape)                           不改變數組元素，返回一個shape形狀的數組，原數組不變
.resize(shape)                            與.reshape()功能一致，但修改原數組
.swapaxes(ax1, ax2)                       將數組n個維度中的兩個維度進行調換
.flatten()                                對數組進行降維，返回摺疊後的一維數組，原數組不變

 1 a = np.ones((2, 3, 4), dtype=np.int32)
 2 print(a)
 3 print(a.reshape((3, 8)))
 4 print(a.resize((3, 8)))
 5 print(a)
 6 print(a.flatten())
 7 
 8 [[[1 1 1 1]
 9   [1 1 1 1]
10   [1 1 1 1]]
11 
12  [[1 1 1 1]
13   [1 1 1 1]
14   [1 1 1 1]]]
15 [[1 1 1 1 1 1 1 1]
16  [1 1 1 1 1 1 1 1]
17  [1 1 1 1 1 1 1 1]]
18 None
19 [[1 1 1 1 1 1 1 1]
20  [1 1 1 1 1 1 1 1]
21  [1 1 1 1 1 1 1 1]]
22 [1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]

# astype()方法必定會建立新的數組（原始數組的一個拷貝），即便兩個類型一致

 1 a = np.ones((2, 3, 4),  dtype=np.int)
 2 print(a)
 3 b = a.astype(np.float)
 4 print(b)
 5 
 6 [[[1 1 1 1]
 7   [1 1 1 1]
 8   [1 1 1 1]]
 9 
10  [[1 1 1 1]
11   [1 1 1 1]
12   [1 1 1 1]]]
13 [[[1. 1. 1. 1.]
14   [1. 1. 1. 1.]
15   [1. 1. 1. 1.]]
16 
17  [[1. 1. 1. 1.]
18   [1. 1. 1. 1.]
19   [1. 1. 1. 1.]]]

五、ndarray數組向列表的轉換

 1 import numpy as np
 2 
 3 a = np.full((2, 3, 4), 25, dtype=np.int32)
 4 print(a)
 5 print(a.tolist())
 6 
 7 [[[25 25 25 25]
 8   [25 25 25 25]
 9   [25 25 25 25]]
10 
11  [[25 25 25 25]
12   [25 25 25 25]
13   [25 25 25 25]]]
14 [[[25, 25, 25, 25], [25, 25, 25, 25], [25, 25, 25, 25]], [[25, 25, 25, 25], [25, 25, 25, 25], [25, 25, 25, 25]]]