《Python数据分析》笔记1 ——Numpy

Posted yif25

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了《Python数据分析》笔记1 ——Numpy相关的知识,希望对你有一定的参考价值。

Numpy数组

1.Numpy数组对象

Numpy中的多维数组称为ndarray,他有两个组成部分。

1.数据本身

2.描述数据的元数据

2.Numpy的数值类型

bool: 布尔型

inti:其长度取决于平台的整数(通常为int32或int64)

int8:字节类型

int16:整型

int32:整型

int64:整型

uint8:无符号整型

uint16:无符号整型

uint32:无符号整型

uint64:无符号整型

float16:半精度浮点型

float32:单精度浮点型

float64或者float:双精度浮点型

complex64:复数类型

complex128或者complex:复数类型

谨记:不要把复数类型转换为整型,这会报错。,同样也不允许把复数转化为浮点数。

3.一维数组的切片与索引

一维数组Numpy数组的切片操作与Python列表的切片一样。

In:a=np.arange(9)
In:a[3:7]
Out:array([3,4,5,6])
In:a[:7:2]
Out:array([0,2,4,6])

4.处理数组形状

可以利用以下函数处理数组的形状

1.拆解:可以用ravel()函数将多维数组变成一维数组,a.ravel()

2.拉直:flatten()函数的名字取得很贴切,其功能与ravel()相同,可是,flatten()返回的是真实的数组,需要分配新的内存空间;而ravel()函数返回的只是数组的视图

3.用元组指定数组形状:除了reshape()函数外,还可以用元组来轻松定义数组的形状。

4.转置:行变列,列变行。a.transpose()

5.调整大小:函数resize()作用类似于reshape()但是会改变所作用的数组

堆叠数组

1.水平叠加

image

用concatenate()函数也能达到同样的效果

image

2.垂直叠加

image

当参数axis置为0时,concatenate()函数也会得到同样效果

image

3.深度叠加

这种方法是沿着第三个坐标轴(纵向)的方向来叠加一摞数组。

image

4.列式堆叠

column_stack()函数以列方式对一维数组进行堆叠

image

5.行式堆叠

image

拆分Numpy数组

相关函数hsplit()、vsplit()、dsplit()和split()。我们既可以把数组分成相同形状的数组,也可以从规定的位置开始切取数组。

1.横向拆分

image

相当于调用参数axis=1的split()函数:

image

2.纵向拆分

image

当参数axis=0,split()函数也会沿着纵轴方向分解数组

image

3.深度拆分

前提是必须要有深度。

image

image

Numpy的数组属性

ndim:存储的是维度的数量

size:用来保存元素的数量

itemsize:可以返回数组中各个元素所占用的字节数

nbytes:整个数组所需的字节数量

T:与transpose()函数相同,转置

real:该属性返回实部

imag:该属性返回虚部

flat属性:可以返回一个numpy.flatiter对象,这是获得flatiter对象的唯一方法,但我们无法访问flatiter的构造函数。可以使用flat的迭代器来遍历数组,就像遍历“胖”数组那样

image

数组的转换

1.Numpy数组转换成Python列表,使用tolist()函数

2.astype()函数可以把数组元素转换成指定类型

Numpy数组的广播

当操作对象的形状不一样时,Numpy会尽力进行处理

例如,假设一个数组要跟一个标量相乘,这时标量需要根据数组的形状进行扩展,然后才可以执行乘法运算。这个扩展的过程叫做广播。

image

以上是关于《Python数据分析》笔记1 ——Numpy的主要内容,如果未能解决你的问题,请参考以下文章

[读书笔记] Python 数据分析 高级NumPy

[Python]numpy数据分析练习[1~20]]

《利用python进行数据分析》读书笔记--第四章 numpy基础:数组和矢量计算

numpy学习笔记

Python3-笔记-numpy学习指南-002-基础

python--numpy笔记整理