python数据分析：numpy矩阵基础

numPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。

Numpy的ndarray对象
创建ndarray数组

In [1]: import numpy as np

In [2]: newarr1=[1,2,3,4]

In [3]: arr1=np.array(newarr1)

In [4]: arr1
Out[4]: array([1, 2, 3, 4])
In [5]: newarr2=[[1,2,3,4],[1,2,3,4]]

In [6]: arr2=np.array(newarr2)

In [7]: arr2
Out[7]: 
array([[1, 2, 3, 4],
       [1, 2, 3, 4]])

矩阵创建函数

1. array() 将输入数据（列表、元组、数组）转换为ndarray
2. asarray() 将输入转换为ndarray对像
3. arange() 类似range()函数，返回一个ndarray,不是列表
4. ones、ones_like 根据指定的形状和dtype创建全1数组。one_like 按照另一个数组为参数，来构建
5. zeros,zeros_like 与第4条类似，只不过是生成全零数组
6. empty,emoty_like 同上，但是只分配内存空间不存放任何值。
7. eye,identity 创建一个正方形N*N单位矩阵

例

In [11]: np.zeros((3,6))
Out[11]: 
array([[ 0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.]])

In [12]: np.arange(10)
Out[12]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

ndarray的数据类型

In [14]: arr3=np.array([1,2,3],dtype=np.float64)

In [15]: arr4=np.array([1,2,3],dtype=np.int32)

In [16]: arr3.dtype
Out[16]: dtype('float64')

In [17]: arr4.dtype
Out[17]: dtype('int32')

类型 描述
inti 整数，大小由平台决定
int8 整数，大小为一个字节，范围：-128 ~ 127
int16 整数，范围：-32768 ~ 32767
int32 整数，范围：-2**31 ~ 2*31-1
int64 整数，范围：-2**31 ~ 2*31-1
uint8 无符号整数，0 ~ 255
uint16 无符号整数：0 ~ 65535
uint32 无符号整数： 0 ~ 2**32-1
uint64 无符号整数： 0 ~ 2**64-1
float16 半精度浮点数： 16位 ，正负号1位，指数5位，精度10位
float32 单精度浮点数：32位，正负号1位，指数8位，精度32位
float64 / float 双精度浮点数： 64位，正负号1位，指数11位，精度52位
complex64 复数，分别用于两个32位浮点数表示实部和虚部
complex128 / complex 复数，分别用两个64位浮点数表示实部和虚部

查看数据类型用dtype()方法
转换数据类型用astype()方法，如arr1.astype(float)