《利用python进行数据分析》学习笔记（二）--NumPy（1）

由于刚开始接触python的数据分析，第二章引言和第三章IPython就先略读了下，对能做的事和开发环境有了个大致的认识，但针对其中提到的一些优势还有没体会，回头再重新看。今天直接学习python数据分析中重要的库之一：Numpy（numerical python）

看看它在pypi上的说明（理解不一定准确，希望有大神能够指点，还需要多刷文档）：

NumPy: array processing for numbers, strings, records, and objects.

NumPy is a general-purpose array-processing package designed to efficientlymanipulate large multi-dimensional arrays of arbitrary records withoutsacrificing too much speed for small multi-dimensional arrays. NumPy is built on the Numeric code base and adds features introduced by numarray as well as an extended C-API and the ability to create arrays of arbitrary type which also makes NumPy suitable for interfacing with general-purpose data-base applications.

There are also basic facilities for discrete fourier transform, basic linear algebra and random number generation.

1. 这里来看是以数组的形式处理数、字符串、记录、对象。

2. 它能够高效的处理大数量级的多维的数组

3. 引入C-API，适配低级语言的外部库

4. 能够进行傅里叶变换、线性代数、随机数生成

学习中Numpy使用之前均需要引入库：import numpy as np，一般不要用引入库里面所有的东西的方式 from numpy import *，太费。

先来看看ndarray（多维数组对象）：

1. 这个东西是什么？我理解这个东西就是一个盒子，这个盒子可以装数、字符串等东西，但是每个盒子只能装一种特定类型（也就是同构）的东西。这个盒子有两个重要的属性一个是大小形状（shape）一个是类型（dtype）。

2. 怎么在python中创建这个东西？答案是array（）函数了：

    array 函数：接收序列--->变成数组

>>> import numpy as np
>>> data1=[1,2,3,4,5]
>>> array1=np.array(data1)
>>> array1
array([1, 2, 3, 4, 5])
>>> data2=[[1,2,3,4,5],[6,7,8,9,10]]
>>> array2=np.array(data2)
>>> array2
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10]])

    两个属性：shape 和 dtype，聪明的array在你没有定义的时候会根据所传入的序列类型自动分配,当然也可以在创建的时候显示的定义dtype。例如arr=np.array([1,2,3],dtype=np.float64

    怎么改变这两个属性呢？对shape来说：一是给shape属性赋值，通过赋值方式改变shape只是改变了轴的大小，不改变内存地址。二是通过reshape函数创建一个新尺寸的数组，引用同一段内存地址。也就是说改变大小调整后数组的值会影响原值。同样的可以使用属性直接赋值和astype()函数改变类型：

>>> array1.shape
(5,)
>>> array2.shape
(2, 5)
>>> array2.dtype
dtype('int32')

>>> array2.shape=(5,2)
>>> array2
array([[ 1,  2],
       [ 3,  4],
       [ 5,  6],
       [ 7,  8],
       [ 9, 10]])
>>> arr2_re=array2.reshape(2,5)
&