Python数据分析

Numpy

numpy是什么
- Numerical Python，是一个开源的Python科学计算库，使用Numpy可以方便的使用数组、矩阵进行计算，包含线性代数、傅里叶变换、随机数生成等大量函数
为什么使用Numpy
- 对于同样的数值计算任务，使用Numpy比直接Python代码实现，优点有：
  - 代码更简洁
  - 性能更高效
- Numpy是Python各种数据科学类库的基础库：
  - 比如：Scipy、Scikit-Learn、TensorFlow、pandas等
Numpy ndarray 对象
- Numpy定义了一个 n 维数组对象，简称 ndarray 对象，它是一个一系列相同类型元素组成的数组集合。数组中的每个元素都占有大小相同的内存块
- ndarray 对象采用了数组的索引机制，将数组中的每个元素映射到内存块上，并且按照一定的布局对内存块进行排列（行或列）

Numpy 创建数组

numpy.array

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数

参数	描述说明
object	表示一个数组 / 序列
dtype	可选参数，通过它可以更改数组的数据类型
copy	可选参数，当数据源是ndarray时，表示数组能否被复制，默认是True
order	可选参数，以哪种内存布局创建数组，有3个可选值，分别是C(行序列) / F(列序列) / A(默认)
ndmin	可选参数，用于指定数组的最小维度
subok	可选参数，类型为bool值，默认False。为True，使用object的内部数据类型；False，使用数组的数据类型

numpy.arange()生成区间数组

# 根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个ndarray
numpy.arange(start, stop, step, dtype)

参数

参数	描述说明
start	起始值，默认为0
stop	终止值（不包含）
step	步长，默认为1
dtype	返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型

numpy.linspace()创建等差数列

# 返回在间隔 [开始，停止] 上计算的 num 个均匀间隔的样本，数组是一个等差数列构成
np.linspace(start, stop, num = 50, endpoint = True, retstep = False, dtype = None)

参数

参数	描述说明
start	必填项，序列的起始值
stop	必填项，序列的终止值，如果endpoint为True，该值包含于数列中
num	要生成的等步长的样本数量，默认为50
endpoint	该值为True时，数列中包含stop值，反之不包含，默认为True
retstep	如果为True时，生成的数组中会显示间距，反之不显示
dtype	ndarray的数据类型

numpy.logspace()创建等比数列

# 返回在间隔 [开始，停止] 上计算的num个均匀间隔的样本，数组是一个等比数列构成
np.logspace(start, stop, num = 50, endpoint = True, base = 10.0, dtype = None)

参数

参数	描述说明
start	必填项，序列的起始值
stop	必填项，序列的终止值，如果endpoint为True，该值包含于数列中
num	要生成的等步长的样本数量，默认是50
endpoint	该值为True时，数列中包含stop值，反之不包含，默认为True
base	对数log的底数
dtype	ndarray的数据类型

全0数列

# 创建指定大小的数组，数组元素以0来填充
numpy.zeros(shape, dtype = float, order = 'C')
# zeros_like 返回具有与给定数组相同的形状和类型的零数组
np.zeros_like(ar1)

参数

参数	描述说明
shape	数组形状
dtype	数据类型，可选

全1数列

# 创建指定大小的数组，数组元素以1来填充
numpy.ones(shape, dtype = float, order = 'C')

Numpy数组属性

Numpy的数组中比较重要ndarray对象属性有：