用python进行数据分析， 一般都离不开两个库：Numpy 和 pandas。这本书之前刷过一半， 太久没看， 细节忘却，这次重拾， 顺便记录之。
前言
-
NumPy本身并没有提供那么多高级的数据分析的功能，但理解Numpy数数组结构，能更好的理解以及以及运用Pandas，所以， 还是从Numpy开始搞起，等学起pandas还是能省不少力的。 -
ndarray:Numpy中的多维数组队对象(可类比与矩阵)，用numpy操作数据的时候， 基本上也是操作ndarry。其中的运算也跟高数中的矩阵非常像，ndarry是一个通用的同构数据多维容器， 其中的所有的元素必须是相同的类型，所有的元素必须是相同的类型，所有的元素必须是相同的类型(重说三)。 - 惯例中引入numpy的方法：
import numpy as np，建议大家养成这个习惯， 因为基本都是这么做的。 - 先来明确一下
ndarray、array和矩阵：首先ndarray即数组。np.array只是numpy一个便捷的函数，用来创建一个ndarray。矩阵是线性代数中的概念， 其中的元素必须是数字，而ndarray中的的元素可以为字符串。 - 以下的操作均在
jupyter中进行，以后的文章也是。
1.创建一个ndarrynp.aarray
import numpy as np
# 创建ndarray
# 1.list转换
temp_list = [1,2,3]
np.array(temp_list) # 返回一维 array([1, 2, 3])
temp_list2 = [[1,2,3],[4,5,6]]
np.array(temp_list2) # 返回ndarray array([[1, 2, 3], [4, 5, 6]])
np.array2string(np.array(temp_list)) # 转换成字符串 返回值 '[1 2 3]'
#2.直接生成
# 创建全0的ndarray
np.zeros(10) # 返回值 array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
np.zeros((3,6)) # 接收的(3,6)为array的形状 返回值 array([[0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0.]])
np.zeros_like(np.array([1,2,3])) # 返回形状相同的全0数组，array([0, 0, 0])
# 创建随机的ndarray， array数据是一些未初始化的垃圾值。
np.empty((2,1)) # 返回值 array([[ 1.49166815e-154], [-2.00390439e+000]])
# 类似range， 返回的是
np.arange(5) # 返回值 array([0, 1, 2, 3, 4])
# 创建全1的ndarray
np.ones(3) #返回值 array([1., 1., 1.])
np.ones((2,3)) # 接收的(2，3)为array的形状，返回值 array([[1., 1., 1.], [1., 1., 1.]])
np.ones_like(np.array([1,2,3])) # 返回形状相同的全1数组，array([1, 1, 1])
# 创建N*N的ndarray
np.eye(3) # 创建3*3正方形矩阵，对角线为1，其余为0.的array。 array([[1., 0., 0.],
# [0., 1., 0.],
# [0., 0., 1.]])
np.identity(3) # 同 eye. array([[1., 0., 0.],
# [0., 1., 0.],
# [0., 0., 1.]])
# 从字符串中获取
temp_str = '1,2,3,4'
np.fromstring(temp_str,sep=',') # 返回值：array([1., 2., 3., 4.])
2.ndarray的结构轴(axes)和秩(rank)
轴：每一个线性的数组称为是一个轴，也就是维度（dimensions)。
秩：维数，一维数组的秩为1，二维数组的秩为2，以此类推。即轴的个数。
temp_array = np.eye(5) # 创建一个5*5的数组
temp_array.shape # 显示数组在每个维度上的大小，返回值一个元组(5,5) 即5行5列的2维数组。
temp_array.ndim #显示数组的秩， 返回值为2， 即 len(temp_array.shape)
# 三维数组
temp_list3 = [[[1,2,3],[3,4,5]],
[[5,6,7], [7,8,9]]]
temp_array3 = np.array(temp_list3)
temp_array3.shape # 显示数组在每个维度上的大小，返回值是 (2, 2, 3)，即结构为2*2*3的3维数组
temp_array3.ndim # 返回3， 即秩为3
temp_array3[1] # 返回下标为1的元素， 即[[5 6 7]， [7 8 9]]
3.ndarry的数据类型dtype
dtype(数据类型)是一种特殊的对象， 它含有ndarry将一块内存解释为特定的数据类型所需的信息。dtype是Numpy如此强大和灵活的原因之一。
来自图书作者的提示:记不住这些NumPy的dtype也没关系。 通常只需知道你所处理的数据的大致类型是：浮点数、复数、整数、布尔值、字符串，还是普通的Python对象即可。当你需要控制数据在内存和磁盘中的存储方式时(尤其是对大数据集)，那就得了解如何控制存储的类型。
#np.array默认的类型
temp_list = ['1','2','3']
temp_array = np.array(temp_list)
temp_array.dtype #dtype('<U1')
temp_list2 = [1,2,3,4]
temp_array2 = np.array(temp_list2)
temp_array2.dtype #dtype('int64')
temp_list3 = [1.,2.,3.]
temp_array3 = np.array(temp_list3)
temp_array3.dtype #dtype('float64')
temp_list4 = [True, False]
temp_array4 = np.array(temp_list4)
temp_array4.dtype # dtype('bool')
temp_list5= ['董小贱','小菜鸡']
temp_array5 = np.array(temp_list5)
temp_array5.dtype # dtype('<U3')
temp_list6 = ['a','b','c']
temp_list6 = np.array(temp_list6)
temp_list6.dtype # dtype('<U1')
temp_list7 = [-1,0,-3]
temp_list7 = np.array(temp_list7)
temp_list7.dtype # dtype('int64')
#创建指定类型的ndarray
temp_list8 = [1,2,3,4]
temp8 = np.array(temp_list8) # 默认类型
temp8.dtype #dtype('int64') temp8的值为 array([1, 2, 3, 4])
temp_array8 = np.array(temp_list8, dtype=np.int32)
temp_array8.dtype #dtype('int32') temp_array8的值为 array([1, 2, 3, 4], dtype=int32)
temp_array9 = np.array(temp_list8, dtype=np.float32)
temp_array9.dtype #dtype('int32') temp_array9的值为：array([1., 2., 3., 4.], dtype=float32)
temp_array10 = np.array(temp_list8, dtype=np.uint8)
temp_array10.dtype #dtype('uint8') temp_array10 的值为 array([1, 2, 3, 4], dtype=uint8)
numpy中的数据类型(也可参考《利用python进行数据分析》)
数据类型.png
numpy中的类型转换astype
# 数据类型转换
temp_list11 = [1,2,3,4]
temp_array11 = np.array(temp_list11)
temp_array11.dtype #dtype('int64')
temp_array12 = temp_array11.astype(np.float64) #这里是返回一个新的数组， 而不是改变旧的数组 array([1., 2., 3., 4.])
temp_array11.dtype #dtype('int64')
temp_array12.dtype #dtype('float64')
temp_list13 = [1.1,2.2,3.1]
temp_list13 = np.array(temp_list13)
temp_list13.astype(int) # array([1, 2, 3]) dtype类型为 dtype('int64')
注：如果astype的参数写int，float， 将会使用默认的int64， 以及float64类型， 建议使用np.int64这种方式， 一目了然。
# 另类操作，直接给数组的dtype赋值，原始数据直接改变， 一般不会使用这种方式，改变dtype类型，还是使用astype
temp_list13 = [1.1,2.2,3.1]
temp_list13 = np.array(temp_list13)
temp_list13 #array([1.1, 2.2, 3.1])
temp_list13.dtype='int64'
temp_list13 # array([4607632778762754458, 4612136378390124954, 4614162998222441677])
temp_list13.dtype = 'int32'
temp_list13 # array([-1717986918, 1072798105, -1717986918, 1073846681, -858993459,1074318540], dtype=int32)
4.数组标量之间的运算(可类比于矩阵的运算法则，请注意区别)
标量：只有大小，没有方向，即一个数字。
矢量：有大小，有方向，比如数组。
数组可以不用编写循环即可对数据进行批量运算，这通常叫作矢量化。大小相等的数组之间的任何算数运算都将会应用的元素级。
temp_list = [1,2,3,4,5,6]
temp_array = np.array(temp_list)
temp_list2 = [6,5,4,3,2,1]
temp_array2 = np.array(temp_list2)
temp_array * temp_array2 #返回值： array([ 6, 10, 12, 12, 10, 6])
temp_list2 + temp_array #返回值 array([7, 7, 7, 7, 7, 7])
temp_list2 - temp_array #array([ 5, 3, 1, -1, -3, -5])
temp_list2 / temp_array #array([6. , 2.5 , 1.33333333, 0.75 , 0.4 ,
# 0.16666667])
#数组*标量
temp_array2 * 3 # 返回值 array([18, 15, 12, 9, 6, 3])
# 多维数组
temp_array3 = np.eye(6)
temp_array3*3
# array([[3., 0., 0., 0., 0., 0.],
# [0., 3., 0., 0., 0., 0.],
# [0., 0., 3., 0., 0., 0.],
# [0., 0., 0., 3., 0., 0.],
# [0., 0., 0., 0., 3., 0.],
# [0., 0., 0., 0., 0., 3.]])
temp_array * temp_array3
# array([[1., 0., 0., 0., 0., 0.],
# [0., 2., 0., 0., 0., 0.],
# [0., 0., 3., 0., 0., 0.],
# [0., 0., 0., 4., 0., 0.],
# [0., 0., 0., 0., 5., 0.],
# [0., 0., 0., 0., 0., 6.]])
temp_array3 * temp_array
# array([[1., 0., 0., 0., 0., 0.],
# [0., 2., 0., 0., 0., 0.],
# [0., 0., 3., 0., 0., 0.],
# [0., 0., 0., 4., 0., 0.],
# [0., 0., 0., 0., 5., 0.],
# [0., 0., 0., 0., 0., 6.]])
temp_array3 / temp_array
# array([[1., 0., 0. , 0., 0. ,0.],
#
# [0. , 0.5 , 0. , 0. , 0. , 0. ],
# [0. , 0. , 0.33333333, 0. , 0. , 0. ],
# [0. , 0. , 0. , 0.25 , 0. , 0. ],
# [0. , 0. , 0. , 0. , 0.2 , 0. ],
# [0. , 0. , 0. , 0. , 0. , 0.16666667]])
temp_array3 - temp_array
# array([[ 0., -2., -3., -4., -5., -6.],
# [-1., -1., -3., -4., -5., -6.],
# [-1., -2., -2., -4., -5., -6.],
# [-1., -2., -3., -3., -5., -6.],
# [-1., -2., -3., -4., -4., -6.],
# [-1., -2., -3., -4., -5., -5.]])
temp_array3 + temp_array
# array([[2., 2., 3., 4., 5., 6.],
# [1., 3., 3., 4., 5., 6.],
# [1., 2., 4., 4., 5., 6.],
# [1., 2., 3., 5., 5., 6.],
# [1., 2., 3., 4., 6., 6.],
# [1., 2., 3., 4., 5., 7.]])
temp_array + temp_array3
# array([[2., 2., 3., 4., 5., 6.],
# [1., 3., 3., 4., 5., 6.],
# [1., 2., 4., 4., 5., 6.],
# [1., 2., 3., 5., 5., 6.],
# [1., 2., 3., 4., 6., 6.],
# [1., 2., 3., 4., 5., 7.]])
# (2,3) * (3,2) 的类型 numpy中无法进行操作，矩阵中可以进行运算
temp_list5 = [[1,2,3],[3,4,5]]
temp_array5 = np.array(temp_list5) # temp_array5 的形状 (2, 3)
temp_list6 = [[1,2],[3,4],[5,6]]
temp_array6 = np.array(temp_list6) # temp_array6 的形状(3, 2)
temp_array5 * temp_array6 # 报错 ValueError: operands could not be broadcast together with shapes (2,3) (3,2)
# 注： 不同大小的数组之间的运算叫作广播，稍后介绍。
