数据分析处理Numpy库方法整理

一.基本知识
NumPy的主要对象是同构多维数组。它是一个元素表（通常是数字），都是相同的类型，由正整数元组索引。在NumPy维度中称为轴。
导入库方法：import numpy as np
对应的属性有：
.ndim：返回的是数组的维度，只有一个数。
.shape：每个维度中数组的大小，返回的是元组，对n行和m列的矩阵，shape将是(n,m)
.shape[0]:查看数组的行数
.shape[1]:查看数组的列数
.size：数组的元素总数。这等于元素的乘积shape
.dtype：数组中元素的类型
.itemsize：每个元素的大小，以字节为单位 ，每个元素占4个字节
二.常用的方法
【数组的创建】
np.arange(x) ; 生成从0到x-1的数组
np.arange(a,b,x) 生成从a到b间隔为x的数组
np.ones((n,m),dtype=np.int16): 生成n行m列的全1整数数组
np.zeros((n,m)) ： 生成n行m列的全0数组
np.full((n,m), val): 生成n行m列全为val的数组
np.eye(n) : 生成n行n列的数组
np.linspace(a,b,x)：生成从a到b间隔为x的数组
np.random.randn(n,m)：生成n行m列的随机数
【数组维度变换】
a.reshape(m,n) : 不改变当前数组，将数组转为m行n列
a.resize(m,n)：改变当前数组，将数组转为m行n列
a.ravel()：将数组铺平，即转为一维数组
a.flatten()：将a的副本转换为一维数组，a数组本身不变。
a.flat：将a转换为一维数组，a数组本身发生变化。通过a.flat[x]修改数组中的数据，x为索引值
a.T：将数组进行转置
【数组类型转换】
a.astype(new_type):将a的数组类型转为new_type，eg：a.astype(float)
a.tolist()：将数组转为列表
【数组切片索引】
一维数组
a[0]：得到数组的第一个数值，索引是从0开始。
a[0:3]：得到数组的第一个到第三个的数组，不包括a[3]，即左闭又开。
a[0:6:2]：即a[起始编号：终止编号（不含）： 步长]，等价于[a[0],a[2],a[4]]
多维数组
a[1]：得到多维数组的第二行数组
a[:3]：得到多维数组的第三列数组，“：”表示整个轴
a[0:3,2:4]：得到多维数组的从第一行到第三行，第三列到第四列的数组
【数组运算】
np.abs(a): 取各元素的绝对值
np.sqrt(a) : 计算各元素的平方根
np.square(a): 计算各元素的平方
np.log(a) np.log10(a) np.log2(a) : 计算各元素的自然对数、10、2为底的对数
np.ceil(a) : 对a向上取整 eg：np.ceil(1.7) 结果为1
np.floor(a) ：对a向下取整 eg：np.ceil(1.7) 结果为2
np.rint(a) : 各元素四舍五入
np.modf(a) : 将数组各元素的小数和整数部分以两个独立数组形式返回
np.exp(a) : 计算各元素的指数值
np.sign(a) : 计算各元素的符号值 1（+），0，-1（-）
np.where(condition,x,y)：条件判断，eg：np.where(x>0.5,a,0)，当x满足输出a，否则输出0
【数组统计函数】
sum(a, axis = None) : 依给定轴axis计算数组a相关元素之和，axis为整数或者元组
mean(a, axis = None) : 依给定轴axis计算数组a相关元素平均值
average(a, axis =None, weights=None) : 依给定轴axis计算数组a相关元素的加权平均值
std(a, axis = None)：依给定轴axis计算数组a相关元素的标准差
var(a, axis = None): 依给定轴axis计算数组a相关元素的方差
min(a):计算数组a的最小值
max(a):计算数组a的最大值