第Python數(shù)據(jù)分析之Numpy庫的使用詳解由于自己并不以Python語言為主，這里只是簡單介紹一下Numpy庫的使用

提示：以下是本篇文章正文內(nèi)容

Numpy庫介紹

numpy庫處理的最基礎數(shù)據(jù)類型是由同種元素構(gòu)成的多維數(shù)組（ndarray），簡稱數(shù)組，數(shù)組中所有元素的類型必須相同，數(shù)組中元素可以用整數(shù)索引，序號從0開始。ndarray類型的維度(dimensions)叫做軸(axes)，軸的個數(shù)叫做秩(rank)。一維數(shù)組的秩為1，二維數(shù)組的秩為2，二維數(shù)組相當于由兩個一維數(shù)組構(gòu)成

numpy庫概述：

由于numpy庫中函數(shù)較多且命名容易與常用命名混淆，建議采用如下方式引用numpy庫：

importnumpyasnp

其中，as保留字與import一起使用能夠改變后續(xù)代碼中庫的命名空間，有助于提高代碼可讀性。簡單說，在程序的后續(xù)部分中，np代替numpy。

ndarray類常用屬性

創(chuàng)建一個簡單的數(shù)組后，可以查看ndarray類型有一些基本屬性

1.ndarray.ndim

數(shù)組軸的個數(shù)，在python的世界中，軸的個數(shù)被稱作秩

2.ndarray.shape

數(shù)組的維度。這是一個指示數(shù)組在每個維度上大小的整數(shù)元組。例如一個n排m列的矩陣，它的shape屬性將是(2,3),這個元組的長度顯然是秩，即維度或者ndim屬性

3.ndarray.size

數(shù)組元素的總個數(shù)，等于shape屬性中元組元素的乘積。

4.ndarray.dtype

一個用來描述數(shù)組中元素類型的對象，可以通過創(chuàng)造或指定dtype使用標準Python類型。另外NumPy提供它自己的數(shù)據(jù)類型。

5.ndarray.itemsize

數(shù)組中每個元素的字節(jié)大小。例如，一個元素類型為float64的數(shù)組itemsiz屬性值為8(=64/8),又如，一個元素類型為complex32的數(shù)組item屬性為4(=32/8).

6.ndarray.data

包含實際數(shù)組元素的緩沖區(qū)，通常我們不需要使用這個屬性，因為我們總是通過索引來使用數(shù)組中的元素。

importnumpyasnp#引入numpy模塊

a=np.ones((4,5))

print(a)

print(數(shù)據(jù)軸個數(shù)：,a.ndim)

print(每個維度的數(shù)據(jù)個數(shù)：,a.shape)

print(數(shù)據(jù)類型,a.dtype)

[[1.1.1.1.1.]

[1.1.1.1.1.]

[1.1.1.1.1.]

[1.1.1.1.1.]]

數(shù)據(jù)軸個數(shù)：2

每個維度的數(shù)據(jù)個數(shù)：(4,5)

數(shù)據(jù)類型float64

小結(jié)：

Numpy常用函數(shù)

array函數(shù)

函數(shù)原型：

np.array([x,y,x],dtype=int)#從列表和元組中創(chuàng)建數(shù)組

功能：array函數(shù)將列表轉(zhuǎn)矩陣

importnumpyasnp#引入numpy模塊

array=np.array([[1,2,3],#列表轉(zhuǎn)矩陣

[4,5,6]])

print(array)

print(numberofdim,array.ndim)#輸出矩陣數(shù)據(jù)軸數(shù)

print(size,array.size)#輸出矩陣總元素個數(shù)

[[123]

[456]]

numberofdim2

size6

arange()函數(shù)和linspace()函數(shù)

函數(shù)原型：

np.arange(x,y,i)#創(chuàng)建一個由x到y(tǒng),以i為步長的數(shù)組

np.linspace(x,y,n)#創(chuàng)建一個由x到y(tǒng)，等分為n個元素的數(shù)組

importnumpyasnp#引入numpy模塊

a=np.arange(1,12,2)#np.arange從1到12，間隔為2

print(a)

#從2到12，生成隨機6個數(shù)，并控制為2行3列

b=np.linspace(2,12,6).reshape(2,3)

print(b)

[1357911]

[[2.4.6.]

[8.10.12.]]

zeros(),empty和ones()

功能：創(chuàng)建都是初始值相同元素（0，1）的數(shù)組

函數(shù)原型：

np.ones((m,n),dtype)#創(chuàng)建一個m行n列的全為1的數(shù)組

np.zeros((m,n),dtype)#創(chuàng)建一個m行n列的全為0的數(shù)組

np.empty((m,n),dtype)#創(chuàng)建一個m行n列的全為0的數(shù)組

importnumpyasnp#引入numpy模塊

a=np.zeros((5,8))#元素都是0

b=np.ones((5,6))#元素都是1

print(a)

print(b)

[[0.0.0.0.0.0.0.0.]

[0.0.0.0.0.0.0.0.]

[0.0.0.0.0.0.0.0.]

[0.0.0.0.0.0.0.0.]

[0.0.0.0.0.0.0.0.]]

[[1.1.1.1.1.1.]

[1.1.1.1.1.1.]

[1.1.1.1.1.1.]

[1.1.1.1.1.1.]

[1.1.1.1.1.1.]]

ndarray類的索引和切片方法

和列表的索引差不多的

importnumpyasnp#引入numpy模塊

a=np.random.rand(5,3)#生成隨機5行3列數(shù)組

print(a)

print(獲取第2行,a[2])#獲取第2行

print(切片,a[1:3])#切片，1到3行，不包括3

print(切片,a[-5:-2:2])#切片，從后向前，步長為2

[[0.534690470.475591290.65865181]

[0.899423990.666831140.55181635]

[0.119898170.060559330.56880058]

[0.957444990.948141630.2155053]

[0.951792420.615446640.40876683]]

獲取第2行[0.119898170.060559330.56880058]

切片[[0.899423990.666831140.55181635]

[0.119898170.060559330.56880058]]

切片[[0.534690470.475591290.65865181]

[0.119898170.06055