python数据分析-NumPy (二)

1. NumPy数组基础

python中的数据操作几乎等同于NumPy数组操作，另外一个重要的工具包pandas也是构建在Numpy数组的基础之上的。

1.1 NumPy数组的属性

首先定义三个随机的数组：一个一维数组、二维数组和三维数组。

In[1]: import numpy as np
	   np.random.seed(0) # 设置随机数种子
	   x1 = np.random.randint(10,size=6) # 一维数组
	   x2 = np.random.randint(10,size=(3,4)) # 二维数组
	   x3 = np.random.randint(10,size=(3,4,5)) # 三维数组

每个数组有nidm(数组的维度)、shape(数组每个维度的大小)和size(数组的总大小)属性：

In[2]: print("x3 ndim:",x3.ndim)
	   print("x3 shape:",x3.shape)
	   print("x3 size:",x3.size)
x3 ndim: 3
x3 shape: (3, 4, 5)
x3 size: 60

另外一个有用的属性是dtype,它是数组的数据类型

In[3]: print("dtype:",x3.dtype)
dtype: int64

其他的属性包括表示每个数组元素字节大小的itemsize，以及表示数组总字节大小的属性nbytes:

In[4]: print("itemsize:",x3.itemsize,"bytes")
	   print("nbytes:",x3.nbytes,"bytes")
itemsize: 8 bytes
nbytes: 480 bytes

一般来说，可以认为itemsize与size的乘积大小和nbytes相等。

1.2 数组索引:获取单个元素

获取单个元素的索引方式与python的标准列表索引没什么区别，在一维数组中：

• 通过中括号指定索引获取第i个值（从0开始计数）
• 获取数组的末尾索引，可以用负值索引

在多维数组中，可以使用逗号分隔的索引元祖获取元素：

In [5]: x2
Out[5]: 
array([[5, 0, 3, 3],
       [7, 9, 3, 5],
       [2, 4, 7, 6]])

In [6]: x2[2,3]
Out[6]: 6

In [7]: x2[2,-1]
Out[7]: 6

也可以用以上索引方式修改元素值:

In [8]: x2[2,3] = 1

In [9]: x2
Out[9]: 
array([[5, 0, 3, 3],
       [7, 9, 3, 5],
       [2, 4, 7, 1]])

要注意一点：Numpy数组是固定类型的，你将一个浮点值插入一个整型数组时，浮点值会被截短成整型。并且这种截短时自动完成的，不会给你提示或警告。

In [11]: x1[0] = 3.14159 #会被自动截短

In [12]: x1
Out[12]: array([3, 8, 1, 6, 7, 7])

1.3 数组切片：获取子数组

NumPy切片语法和python列表多标准切片语法相同，为了获取数组x的一个切片，可以使用：

x[start:stop:step]

如果以上三个参数都未指定，那么它们会被分别设置默认值start=0,stop=维度的大小和step=1.

1.3.1 一维子数组

In [18]: x = np.arange(10)

In [19]: x
Out[19]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [20]: x[:5] # 前5个元素
Out[20]: array([0, 1, 2, 3, 4])

In [