NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
NumPy 是一个运行速度非常快的数学库，主要用于数组计算，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
numpy 的属性:
- ndim：维度
- shape：行数和列数
- size：元素个数
Numpy 的创建 array
- array：创建数组
- dtype：指定数据类型
- zeros：创建数据全为0
- ones：创建数据全为1
- empty：创建数据接近0
- arrange：按指定范围创建数据
- linspace：创建线段
# 创建一个数组
a = np.array([1,26,8]) # list 1d
print(a)
# [1 26 8]
# 指定数据 dtype
a = np.array([1,26,8],dtype=np.int32)
print(a.dtype)
# int32
Numpy 基础运算 （讲两种）
算术运算符
a = np.arange(0,5)
array([0, 1, 2, 3, 4])
a+4
array([4, 5, 6, 7, 8])
最简单的就是给数组加上一个标量，然后每个都元素都加上这个标量，当然也可以减乘除。
这些运算符还可以用于两个数组的运算。在numpy中这些运算符是元素级的，即只用于位置相同的元素。
此外，这些运算符还适用于返回值为numpy数值的函数
聚合函数
聚合函数是指对一组值（比如一个数组）进行操作，返回一个单一值作为结果的函数。比如求数组所有元素之和就是聚合函数。
a
array([1, 2, 3, 4, 5])
a.sum()
15
Numpy array 合并
Python中numpy数组的合并有很多方法，如
- np.append()
- np.concatenate()
- np.stack()
- np.hstack()
- np.vstack()
- np.dstack()
其中最泛用的是第一个和第二个。第一个可读性好，比较灵活，但是占内存大。第二个则没有内存占用大的问题。
Numpy array 分割
分割方法有：
- 水平分割
- 垂直分割
- 深度分割
水平分割
下面的代码将把数组沿着水平方向分割为3个相同大小的子数组：
b = hsplit(a,3)
print(b)
得到结果为：
[array([[0],
[3],
[6]]),
array([[1],
[4],
[7]]),
array([[2],
[5],
[8]])]
垂直分割
下面的代码将把数组沿着垂直方向分割为3个相同大小的子数组：
b = vsplit(a,3)
print(b)
得到结果为：
[array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]
深度分割
先创建一个三维数组：
a = arange(27).reshape(3,3,3)
print(a)
调用dsplit函数按深度方向分割数组
b = dsplit(a,3)
print(b)
得到结果
[array([[[ 0],
[ 3],
[ 6]],
[[ 9],
[12],
[15]],
[[18],
[21],
[24]]]),
array([[[ 1],
[ 4],
[ 7]],
[[10],
[13],
[16]],
[[19],
[22],
[25]]]),
array([[[ 2],
[ 5],
[ 8]],
[[11],
[14],
[17]],
[[20],
[23],
[26]]])]
Numpy copy & deep copy
* 简单了解
numpy关于copy有三种情况，完全不复制、视图（view）或者叫浅复制（shallow copy）和深复制（deep copy）。
添加公众号【数据蛙DataFrog】，我们一起学习交流
