数据分析与挖掘入门——学习笔记（二）numpy的基本使用

Numpy的基本使用

1 numpy的运算速度

用python实现的向量相加

def pythonsum(n):
    a = [i for i in range(size)]
    b = [i for i in range(size)]
    c = []
    for i in range(len(a)):
        a[i] = i ** 2
        b[i] = i ** 3
        c.append(a[i] + b[i])
    return c

用numpy实现向量相加

import numpy as np

def numpysum(n):
    a = np.arange(n) ** 2
    b = np.arange(n) ** 3
    c = a + b
    return c

两者的速度对比

import time 
size = 1000
start = time.time()
c = pythonsum(size)
delta = time.time() - start
print("The last 2 elements of the sum", c[-2:])
print("time is", delta)

start = time.time()
c = numpysum(size)
delta = time.time() - start
print("The last 2 elements of the sum", c[-2:])
print("time is", delta)

输出结果：

The last 2 elements of the sum [995007996, 998001000]
time is 0.0009968280792236328
The last 2 elements of the sum [995007996 998001000]
time is 0.0

可见结果是一样的，但是numpy的运算速度远大于python实现的向量

2 numpy数组创建

函数	说明
array	将输入数据（列表、元祖、数组或其他序列类型）转换为ndarray，要么推断出dtype，要么显式指定dtype，默认直接复制输入数据
asarray	将输入转换为ndarray，如果输入本身就是一个ndarray就不进行复制
arange	类似于内置的range，但返回的是一个ndarray而不是列表
ones,ones_like	根据指定的形状和dtype创建一个全1数组，ones_like以了一个数组为参数，并根据其形状和dtype创建一个全1数组
zeros，zeros_like	根据指定的形状和dtype创建一个全0数组，ones_like以了一个数组为参数，并根据其形状和dtype创建一个全0数组
empty，empty_like	创建新数组，只分配内存空间但不填充任何值
eye，identity	创建一个正方的N * N单位矩阵（对角线为1，其余为0）

一维数组创建

a = np.arange(5)
a.dtype  # 查看数组的数据类型
# dtype('int32')
a
# array([0, 1, 2, 3, 4])
a.shape  # 查看数组的维度
# (5,)

创建多维数组

创建一个维度为2,2的数组

m = np.array([np.arange(2), np.arange(2)])
m
# array([[0, 1],
#       [0, 1]])
m.shape
# (2, 2)

m.dtype
# dtype('int32')

创建一个长度为10的全是0的一维数组

np.zeros(10)
# array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

创建一个维度为3,6的全是0的二位数组

np.zeros((3,6))
# array([[ 0.,  0.,  0.,  0.,  0.,  0.],
#        [ 0.,  0.,  0.,  0.,  0.,  0.],
#        [ 0.,  0.,  0.,  0.,  0.,  0.]])

创建一个没有内容的，维度是2,3,2的三维数组

np.empty((2,3,2))
# array([[[ 0.,  0.],
#         [ 0.,  0.],
#         [ 0.,  0.]],
# 
#        [[ 0.,  0.],
#         [ 0.,  0.],
#         [ 0.,  0.]]])

3 选取数组元素

a = np.array([[1,2], [3,4]])  # 创建一个二维数组，内容如括号内
a
# array([[1, 2],
#        [3, 4]])

a[0, 0]  # 选取第一维度第一个元素的第一个元素
# 1
a[0, 1]  # 选取第一维第一个元素第二个元素
# 2
a[1, 0]
# 3
a[1, 1]
# 4

4 numpy的数据类型

数据类型如表所示，如果要创建一个对应类型的数据，只需要np.数据类型(数值/数组)

np.float64(42)  # 将42转化为float64类型
# 42.0

np.int8(42.0)  # 转化为整数
# 42

np.bool(42)  # 转化为布尔值
# True

np.bool(0)  # 0的布尔值为False
# False

np.float(True)  # True转化为数值则是对应类型的1
# 1.0

np.float(False)  # False转化为数值则是对应类型的0
# 0.0

np.arange(7, dtype=np.uint16)  # 创建数组的时候可以用dtype参数指定数据类型