Python数据分析与挖掘学习笔记二:Numpy

用于处理任意维度的数组

Numpy（Numerical Python）是一个开源的Python科学计算基础库，包含： 

•  一个强大的N维数组对象 ndarray 
• 广播功能函数 
• 整合C/C++/Fortran代码的工具 
• 线性代数、傅里叶变换、随机数生成等功能
• 同时Numpy是SciPy、 Pandas等数据处理或科学计算库的基础

numpy与Python原生list相比的优势

numpy数组在数值运算方面的效率优于Python提供的list容器。

1. 内存结构           存储在内存中的一块联系存储区域,提高了数据的读取效率
2. 并行运算
3. 底层是用C语言编写的, 解放了GIL锁, 不受Python解释器的限制

import numpy as np
# 定义一个二维数组, dtype 定义类型
arr = np.array([[1,2,3],[3,4,4]],dtype=int)
print(arr)

数组的属性:

属性名字	属性解释
ndarray.shape	数组的形状,是一个元组,元素个数与维度相同
ndarray.ndim	数组维数
ndarray.size	数组中的元素数量
ndarray.itemsize	一个数组元素的长度（字节）
ndarray.dtype	数组元素的类型

 

数组的类型:

名称	描述	简写
np.bool	用一个字节存储的布尔类型（True或False）	'b'
np.int8	一个字节大小，-128 至 127	'i'
np.int16	整数，-32768 至 32767	'i2'
np.int32	整数，-2 31 至 2 32 -1	'i4'
np.int64	整数，-2 63 至 2 63 - 1	'i8'
np.uint8	无符号整数，0 至 255	'u'
np.uint16	无符号整数，0 至 65535	'u2'
np.uint32	无符号整数，0 至 2 ** 32 - 1	'u4'
np.uint64	无符号整数，0 至 2 ** 64 - 1	'u8'
np.float16	半精度浮点数：16位，正负号1位，指数5位，精度10位	'f2'
np.float32	单精度浮点数：32位，正负号1位，指数8位，精度23位	'f4'
np.float64	双精度浮点数：64位，正负号1位，指数11位，精度52位	'f8'
np.complex64	复数，分别用两个32位浮点数表示实部和虚部	'c8'
np.complex128	复数，分别用两个64位浮点数表示实部和虚部	'c16'
np.object_	python对象	'O'
np.string_	字符串	'S'
np.unicode_	unicode类型	'U'

>>> a = np.array([[1, 2, 3],[4, 5, 6]], dtype=np.float32)
>>> a.dtype
dtype('float32')

注意：若不指定，整数默认int64，小数默认float64

生成数组的方式:

1 生成0和1的数组

• empty(shape[, dtype, order]) empty_like(a[, dtype, order, subok])
  eye(N[, M, k, dtype, order])
• identity(n[, dtype])
• ones(shape[, dtype, order])
• ones_like(a[, dtype, order, subok])
• zeros(shape[, dtype, order]) zeros_like(a[, dtype, order, subok])
  full(shape, fill_value[, dtype, order])
• full_like(a, fill_value[, dtype, order, subok])

>>> zero = np.zeros([3, 4])
array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])

2 从现有数组生成

• array(object[, dtype, copy, order, subok, ndmin])

• asarray(a[, dtype, order])

• asanyarray(a[, dtype, order]) ascontiguousarray(a[, dtype])
• asmatrix(data[, dtype])