numpy 学习笔记 --《利用python进行数据分析》

数组ndarry的基本用法

创建ndarry

numpy中多维数组对象是ndarry

1. 创建ndarray
   最简单的方法是调用array函数
   调用zero，ones函数（也可以调用empty函数，但数组中全是垃圾值）
   
   至于调用的方法，可以在ide中寻找到函数原型，查看注释。

2. ndarry类中比较重要方法：
   data.shape：数组的维度
   data.dtype：数组数据类型 默认float64
   data.ndim：数组的维度

例子

import numpy as np

# 生成一个1~1000的一维数组
data = np.array([[1, 2, 3], [4, 5, 6]])
print(data)
print(data.shape)
print(data.dtype)

结果是：

[[1 2 3]
 [4 5 6]]
(2, 3)
int64

ndarray的数据类型

如果创建数组，默认float64。
numpy所支持的数据类型：


astype可以将数组的数据类型进行转化:

import numpy as np
# 不推荐由高往低转化
data = np.full([2, 3], 10, np.float64)
print(data.dtype)
# astype并不会修改原来数组的数据类型，需要承接结果
data = data.astype(np.int32)
print(data.dtype)

结果为：

float64
int32

astype也可以将改变数组中元素的数据类型，比如数组中的元素都是字符串，可以调用该函数，将其转化为浮点数。

data = np.array(['2.33', '0.56'])
print(data)
print(data.dtype)
data = data.astype(np.float64)
print(data)
print(data.dtype)

结果：

['2.33' '0.56']
<U4
[2.33 0.56]
float64

数组ndarry运算

加减乘除均支持，比如两个矩阵A、B，对其使用加法运算，就是A和B对应的元素相加，A的第一列第一行，和B的第一列第一行元素相加。A第二列第二行，B第二列第二行相加。（当A和B的大小形状相同时，如果不相同时的运算为广播）

数组ndarry的基本索引和切片

一维数组

一维数组与python的相同，数组切片是原始数组的视图。这意味着数据不会被复制，视图上的任何修改都会直接反 映到源数组上。
切片：arr = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
arr[5:8]
会得到[5, 6, 7]，其中 : 的作用跟5~8中的 ~ 传达的意思接近，不过8是取不到的。
如果arr[5:8] = 12 也会触发广播，因为形状不对，5:8有3个元素，而12只是一个元素。

如果想的到一个数组or数组切片的复制需要使用 copy函数

二维数组

二维数组所使用的索引可以是：
[1][2] 或者 [1, 2]，所代表的意思都是访问数组的第一行，第二列（包含第0行，第0列）的元素。
在多维数组中，如果省略了后面的索引，则返回对象会是一个维度低一点的 ndarray（它含有高一级维度上的所有数据）

二维数组所使用的切片：
一般而言，我们更偏向与使用[a, b] 而不是[a][b]。
arr[1, :2]表示的是：第一行的第0列，第1列（包含第0行，第0列）
那么arr[:, 1]以及arr[1:, 0]是什么意思？
arr[:, 1]：所有行，第1列的元素
arr[1:, 0]：除第0行外所有行，第0列的元素

data = np.array([[1