Numpy数据科学库的整理

Numpy 的介绍

Numpy包是Python科学计算中的核心工具包之一，它提供了高性能多维数组结构-ndarray和用来操控这些数组的各种工具和函数

Numpy 的对象–ndarray数组

1.初始化数组

import numpy as np
np.empty(shape, dtype = float)
np.zeros(shape, dtype = float)
np.ones(shape, dtype = None)

2.创建数组

import numpy as np
np.array(object, dtype = None)

3.创建数值范围的数组

import numpy as np
np.arange(start, stop, step, dtype)  # 区间范围为前闭后开

ndarray – 数组结构

1.dtype 查看数据类型

arr.dtype  

2.ndarray.astype 转换数据类型

import numpy as np 
arr= np.array([[1,2,3],[4,5,6]]) 
arr.astype('float')

3.ndarray.shape查看数组的形状

import numpy as np 
arr= np.array([[1,2,3],[4,5,6]]) 
arr.shape

4.ndarray.reshape函数来调整数组大小

import numpy as np
arr = np.array([[1,2,3],[4,5,6]]) 
arr1 = arr.reshape(3,2)  # 转变成三行两列

Numpy – 功能

1.切片和索引
通过将由冒号分隔的切片参数（start:stop:step）直接提供给ndarray对象

import numpy as np
nda = np.arange(10)
nda1 = nda[2:6:2] 
nda2 = nda[2:] 
n = np.array([[1,2,3],[3,4,5],[4,5,6]]) 
nda3 = n[1:2,2:3]  # 提取第2,3行和3,4列

2.高级索引
分为整数索引和布尔值索引
(1)整数索引

import numpy as np
arr = np.array([[1,  2],  [3,  4],  [5,  6]]) 
arr1 = x[[0,1,2],  [1,1,0]]  

输出结果包括数组中(0,1)，(1,1)和(2,0)位置处的元素
(2)布尔索引
当结果对象是布尔运算（例如比较运算符）的结果时，将使用此类型的高级索引

3.广播
原则：如果两个数组的后缘维度(即：从末尾开始算起的维度)的轴长相符或其中一方的长度为1，则认为它们是广播兼容的，广播会在缺失和(或)长度为1的轴上进行.。

import numpy as np 
arr1 = np.array([10,20,30])  
arr2 = np.array([[1,2,3],[4,5,6],[7,8,9]]) 

(1,3)+(3,4)可以广播

Numpy – 数组的操作

import numpy as np 
arr = np.array([[1,2],[3,4]]) 
arr.T   # 数组的转置 -->[[1,3],[2,4]] 
arr.ravel()   # 扁平化数组 --> [1,2,3,4]
arr.reshape(4,1)
arr.resize((2,3))

np.append(arr, [[5,6]])
np.insert(arr, 3,[5,6])
np.delete(arr, 1)
np.concatenate(arr,arr)
np.hstack((arr,arr))
np.vstack((arr,arr))
np.split(arr,2)
arr.tolist()   # 将数组转换为列表

NumPy – 字符串函数

序号	函数的描述
1	np.char.add() 返回两个 str 数组的逐个字符串连接
2	np.char.multiply() 执行多重连接
3	np.char.upper() 返回一个数组，其元素转换为大写
4	np.char.lower() 返回一个数组，其元素转换为小写
5	np.char.split() 返回字符串中的单词列表，并使用分隔符来分割
6	np.char.splitlines() 返回元素中的行列表，以换行符分割
7	np.char.strip() 返回数组副本，其中元素移除了开头或者结尾处的特定字符
8	np.char.replace() 返回字符串的副本，其中所有子字符串的出现位置都被新字符串取代
9	np.char.join() 返回一个字符串，它是序列中字符串的连接
10	np.char.center() 返回给定字符串的副本，其中元素位于特定字符串的中央

常见函数的详细介绍
1.np.char.add()

import numpy as np  
print(np.char.add(['doudou'],[' xueyuan']))
# --> ['doudou xueyuan']
print(np.char.add(['hello', 'doudou'],[' good', ' xueyuan']))
--> ['hello good' 'doudou xueyuan']

2.np.char.split()

import numpy as np  
print(np.char.split ('hello welcome to doudouxueyuan'))
--> ['hello', 'welcome', 'to', 'doudouxueyuan']

3.np.char.strip()
函数返回数组的副本,其中元素移除了开头或结尾处的特定字符

import numpy as np 
print(np.char.strip(['hello', 'welcome', 'to', 'doudouxueyuan'],'o'))

4.np.char.replace()

import numpy as np 
print(np.char.replace ('hello welcome to doudouxueyuan', 'hello ', 'hi'))

5.np.char.join()
这个函数返回一个字符串，其中单个字符由特定的分隔符连接。

import numpy as np 
print(np.char.join(':','dmy'))
print(np.char.join([':','-'],['dmy','ymd']))

NumPy – 数组的运算

import numpy as np 
np.nan is np.nan   #--> True
np.nan == np.nan   #--> False
# 比较运算符 返回布尔数组
a == b  # 逐元素比较，返回等维布尔数组
# 算数运算符
a+b,a-b,a*b,a/b
a.dot(b)  # 进行数量积运算
a.max(a)  #  min mean （可以指定轴的方向 axis=1）
np.std(a)  # 标准差
a.sort(axis=1) # 指定维度方向增序排序数组
a.copy()   # 深拷贝数组
np.copy(a) # 浅拷贝数组
np.exe(a), np.sqrt(a), np.log(a), np.sin(a)  # 幂，开放，取对数，正弦，

以上就是近期对Python科学计算库numpy的理解与常用的方法的整理，以后遇到常用的随时补充。下一篇我们来与pandas认识一下，下篇见→.→