NumPy库
NumPy库
数据的维度
一维数据：一维数据由对等关系的有序或无序数据构成，采用线性方式组织
对应列表、数组和集合等概念
二维数据：二维数据由多个一维数据构成，是一维数据的组合形式
表格
多维数据：多维数据由一维或二维数据在新维度上扩展形成
高维数据：高维数据仅利用最基本的二元关系展示数据间的复杂结构
字典类型或数据表示表格 JSON、XML和YAML格式
NumPy的数组对象：ndarray
NumPy的引用
import numpy as np
N维数组对象
ndarray是一个多维数组对象，由两部分构成：
- 实际数据
- 描述这些数据的元数据(数据维度、数据类型等)
ndarray数组一般要求所有元素类型相同(同质)，数组下标从0开始
实例
ndarray对象的属性
| 属性 | 说明 |
| .ndim | 秩，即轴的数量或维度的数量 |
| .shape | ndarray对象的尺度，对于矩阵，n行m列 |
| .size | ndarray对象元素的个数，相当于.shape中n*m的值 |
| .dtype | ndarray对象的元素类型 |
| .itemsize | ndarray对象中每个元素的大小，以字节为单位 |
实例
非同质的ndarray对像
ndarray数组的元素类型
(符号)尾数*10^指数
| 数据类型 | 说明 |
| bool | 布尔类型，True或False |
| intc | 与c语言中的int类型一致,一般是int32或int64 |
| intp | 用于索引的整数，与C语言中ssize_t一致，int32或int64 |
| int8 | 字节长度的整数，取值：[-128, 127] |
| int16 | 16位长度的整数，取值：[-32768, 32767] |
| int32 | 32位长度的整数，取值：[-2^31, 2^31 -1] |
| int64 | 64位长度的整数，取值：[-2^63, 2^63 -1] |
| uint8 | 8位无符号整数，取值：[0, 255] |
| uint16 | 16位无符号整数，取值：[0, 65535] |
| uint32 | 32位无符号整数，取值：[0, 2^32 -1] |
| uint64 | 64位无符号整数，取值：[0, 2^64 -1] |
| float16 | 16位半精度浮点数：1位符号位，5位指数，10位尾数 |
| float32 | 32位半精度浮点数：1位符号位，8位指数，23位尾数 |
| float64 | 64位半精度浮点数：1位符号位，11位指数，52位尾数 |
| complex64 | 复数类型，实部和虚部都是32位浮点数 |
| complex128 | 复数类型，实部和虚部都是64位浮点数 |
ndarray数组的创建和变换
创建法
- 从·Python中的列表、元组等类型创建ndarray数组
x = np.array(list/tuple) x = np.array(list/tuple, dtype = np.float32) 当np.array()不指定dtype时，Numpy将根据数据情况关联一个dtype类型
- 使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等
| 函数 | 说明 |
| np.arange(n) | 类似range()函数，返回ndarray类型，元素从0到n-1 |
| np.ones(shape) | 根据shape生成一个全1数组，shape是元组类型 |
| np.zeros(shape) | 根据shape生成一个全0数组，shape是元组类型 |
| np.full(shape,val) | 根据shape生成一个数组，每个元素值都是val |
| np.eye(n) | 创建一个正方形的n*n单位矩阵，对角线为1，其余为0 |
| np.ones_like(a) | 根据数组a的形状生成一个全1数组 |
| np.zeros_like(a) | 根据数组a的形状生成一个全0数组 |
| np.full_like(a,val) | 根据数组a的形状生成一个数组，每个元素值都是val |
- 使用NumPy中其他函数创建ndarray数组
| 函数 | 说明 |
| np.linspace() | 根据起步数据等间距地填充数据，形成数组 |
| np.concatenate() | 将两个或多个数组合并成一个新的数组 |
变换
对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换
a = np.ones((2,3,4), dtype = np.int32)
数组的维度变换
| 方法 | 说明 |
| .reshape(shape) | 不改变数组元素，返回一个shape形状的数组，原数组不变 |
| .resize(shape) | 与.reshape()功能一致，但修改原数组 |
| .swapaxes(ax1,ax2) | 将数组n个维度中两个进行调换 |
| .flatten | 对数组进行降维，返回折叠后的一维数组，原数组不变 |
数组的类型变换
new_a = a.astype(new_type)
数组向列表的转换
ls = a.tolist()
ndarray数组的操作
数组的索引和切片
索引：获取数组特定元素的过程
切片：获取数组元素子集的过程
多维数组的索引：
多维数组的切片：
ndarray数组的运算
数组与标量之间的运算作用于数组的每一个元素
NumPy一元函数
| 函数 | 说明 |
| np.abs(x) np.fabs(x) | 计算数组各元素的绝对值 |
| np.sqrt(x) | 计算数组各元素的平方根 |
| np.square(x) | 计算数组各元素的平方 |
|
np.log(x) np.log10(x) np.log2(x) |
计算数组各元素的自然对数，10底对数和2底对数 |
| np.cell(x) np.floor(x) | 计算数组各元素的ceiling值 或 floor值 |
| np.rint(x) | 计算数组各元素的四舍五入值 |
| np.modf(x) | 将数组各元素的小数和整数部分以两个独立数组形式返回 |
|
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) |
计算数组各元素的普通型和双曲型三角函数 |
| np.exp(x) | 计算数组各元素的指数值 |
| np.sign(x) | 计算数组各元素的符号值，1(+),0,-1(-) |
NumPy二元函数
| 函数 | 说明 |
| + - * / ** | 两个数组各元素进行对应运算 |
|
np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin() |
元素级的最大值/最小值计算 |
| np.mod(x,y) | 元素级的模块运算 |
| np.copysign(x,y) | 将数组y中各元素值的符号赋值给数组x对应元素 |
| > < >= <= == != | 算术比较，产生布尔型数组 |