Python數據分析numpy（1）

Python開源的科學計算基礎庫

1.表示N維數組對象ndarray

2.線性代數、傅里葉變換、隨機數生成

3.廣播函數，整合c++、c

一.數據的維度

1.數據

2.數據維度

3.一維數據

（1）特色

（2）Python中的表達方式

列表、集合類型

（3）列表和數組的區別

數據類型要求不同

4.二維數據

（1）概念，多個一位數據組成，一個覺得數據的組合。

（2）列表

5.多維數據

（1）

（2）列表

6.高維數據

（1）僅利用最基本的二元關係展現數據間的複雜關係

（2）字典類型或者數據表示格式

 

二.numpy庫中的N維數組對象ndarray

1.使用numpy數組緣由：

（1）節省空間

（2）numpy的底層實現靠c語言實現的，提升運行速度。

代碼示例：

2.N維數組對象-ndarray

（1）組成

實際的數據

描述這些數據的元數據（數據維度、數據類型等）

軸、秩

方法	功能
.ndim	軸
.shape	秩
.size	元素個數
.dtype	數據類型
.itemsize	元素所佔的字節

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

輸出：

2
(2, 5)
10
int32
4

 

（2）要求全部的元素類型相同，數組下標從0開始。

（3）實例

（4）支持那麼多數據類型緣由

（5）不一樣質數據類型

（）

3.ndarray數組的建立方法

（1）從Python的列表、元組等等類型建立ndarray數組

x=np.array(list/tuple),detype=數據類型)

不指定元素類型，根據讀入的數據類型肯定，根據最高級肯定數據類型。

 

（2）使用numpy中函數建立ndarray數組，如arange，ones，Zeros等

最經常使用的方法

函數	做用	具體應用
np.arange(n)	相似range()函數，返回ndarray類型，元素從0到-1
np.ones(shape)	根據shape生成一個全1數組，shape是元組類型	np.ones(2,3)
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)	建立一個證放的n*n單位矩陣，對角線爲1，其他爲0

代碼示例：

import numpy as np
#arange生成的爲整數類型
print(np.arange(10))
#其餘的都爲浮點數類型
print(np.ones((3,6)))
print(np.zeros((3,6)))
print(np.eye(5))
輸出：

[0 1 2 3 4 5 6 7 8 9]
[[1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1.]]
[[0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]]
[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]
生成多維數組

代碼示例：

import numpy as np
x=np.ones((2,3,4))
print(x)
print(x.shape)#最外層到最內層元素變化的方式。

輸出：

[[[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]]
(2, 3, 4)
 

 

 

（3）從字節流（raw bytes）中建立ndarray數組

（4）從文件讀取特定格式，建立ndarray數組

（5）數據類型多爲浮點數，符合現實計算的思惟。

（6）ndarray數組的變換

astype：建立一個新的數組

（7）數組轉換爲Python中列表

3.ndarray數組的操做

（1）數組的索引和切片

索引：獲取數組中特定元素位置的過程（找到元素在數組中的位置）。

切片：獲取數組元素子集的過程（得到數組元素一部分）。

示例

一維數組索引：和Python列表中同樣。

一維數組的切片：和Python列表切片同樣。

多維數組的索引和切片首先要分辨出對象爲幾維的數組。

多維數組索引：a[1,2,3]表示的是：第一個維度的第二個軸的元素，第二個維度的第三個軸的元素，第三個維度的最後一個軸的第四個位置的元素。（由外而內的去尋找索引位置）

多維數組的切片：a[：，1：3，：]，從外而內的尋找切片內容。

代碼示例：

import numpy as np
a=np.array([[[1,2,3,4],[5,6,7,8],[9,10,11,12]],[[13,14,15,16],[17,18,19,20],[21,22,23,24]]])
print(a[1,2,3])
print(a[:,1:3,:])
print(a[:,:,::2])

輸出：

24
[[[ 5  6  7  8]
  [ 9 10 11 12]]

 [[17 18 19 20]
  [21 22 23 24]]]
[[[ 1  3]
  [ 5  7]
  [ 9 11]]

 [[13 15]
  [17 19]
  [21 23]]]
能夠對建立後的ndarray的維度和元素類型進行變換。
4.ndarray的運算

（1）數組與標量之間的運算

數組與標量之間的運算做用與數組的每個元素。

代碼示例：

 

（2）numpy中的一元函數，對數組的運算就是對數組中每個元素的運算。

函數	做用
np.abs(x)  np.fabs(x)	計算數組各元素的絕對值
np.sqrt(x)	計算數組各元素的平方根
np.square(x)	計算數組各元素的平方
np.log(x) 、np.log10(x)、nplog2(x)	計算數組各元素的天然對數、10底數和2底對數
np.ceil(x)、np.floor(x)	計算數組各元素的ceiling值或floor值

代碼示例：

import numpy as np
a=np.arange(24).reshape((2,3,4))
np.square(a)
print(a)
a=np.sqrt(a)
print(a)
a=np.modf(a)
print(a)

輸出：

 

特色：進行一元函數操做後會生成一個新的數組，原來的數組沒有被改變，想要改變原來的數組須要把改變後的值賦給舊的數組。

（3）numpy的二元函數，對兩個數組運算的函數（實際上是對兩數組中的每一個元素的運算）。

代碼示例：

import numpy as np
a=np.arange(24).reshape((2,3,4))
b=np.square(a)
c=np.maximum(a,b)
print(c)
print(a>b)

輸出：

[[[  0   1   4   9]
  [ 16  25  36  49]
  [ 64  81 100 121]]

 [[144 169 196 225]
  [256 289 324 361]
  [400 441 484 529]]]
[[[False False False False]
  [False False False False]
  [False False False False]]

 [[False False False False]
  [False False False False]
  [False False False False]]]
 

附件參考資料連接：http://www.cnblogs.com/WSX1994/articles/9061516.html