Numpy学习笔记（一）

** 注：本文所用python版本是3.5**

Numpy是什么

Numpy(Numerical Python)是一个开源的Python科学计算库，包含很多实用的数学函数，线性代数运算，傅里叶变换等

现在用python搞数据分析或机器学习经常使用的pandas、matplotlib、sklearn等库，都需要基于numpy构建

Numpy beginner's guide.png

• Numpy能够直接对数组和矩阵进行操作，运算效率优于Python提供的list容器

** Numpy模块里的函数帮助请求**

Paste_Image.png

import numpy as np
#help()
help(np.arange)
#?方法
# np.arange?

---

数组对象

• Numpy数组一般是同质的，即数组中的所有元素类型必须是一致的
• Numpy数组下标也是从0开始的
• ndarray是numpy的核心数据结构。ndarray如何在内存中储存的：关于数组的描述信息保存在一个数据结构中，这个结构引用两个对象，一块用于保存数据的存储区域和一个用于描述元素类型的dtype对象

关于ndarray的索引方式，有以下几个重点需要记住：

1. 虽然x[0,2] = x0，但是前者效率比后者高，因为后者在应用第一个索引后需要先创建一个temporary array，然后再应用第二个索引，最后找到目标值。

2. 分片操作不会引发copy操作，而是创建原ndarray的view；他们所指向的内存是同一片区域，无论是修改原ndarray还是修改view，都会同时改变二者的值。
3. index array和boolean index返回的是copy，不是view。

** 部分函数操作**

• 改变数组维度

Paste_Image.png

import numpy as np 

b = np.arange(24).reshape(2,3,4)
#ravel展平数组的操作
b.ravel()
#array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

'''
flatten也是展平操作，与ravel功能相同，
差异在于flatten会请求分配内存保存结果，
而ravel只是返回一下view
'''
b.flatten()

#reshape用一正整数元组设置数组的维度
b.reshape(4,6)

#resize 与reshape功能一样，resize会直接修改所操作的数组
b.resize((2,12))
b

#transpose转置矩阵
b.transpose()

• 数组的组合
  Numpy数组有水平组合，垂直组合和深度组合等多种组合方式：vstack, dstack, hstack, column_stack, row_stack及concatenate函数。

ndarray_stack.png

import numpy as np

a = np.arange(9).reshape(3,3)
b = 2*a
'''
a =  [[0 1 2]
 [3 4 5]
 [6 7 8]]
 b =  [[ 0  2  4]
 [ 6  8 10]
 [12 14 16]]
'''
#水平组合，与np.concatenate((a,b), axis=1)功能相同
np.hstack((a,b))
# array([[ 0,  1,  2,  0,  2,  4],
       [ 3,  4,  5,  6,  8, 10],
       [ 6,  7,  8, 12, 14, 16]])

#垂直组合，与np.concatenate((a,b), axis=0)相同
np.vstack((a, b))
# array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

# 深度组合，将一系统数组沿着纵轴方向进度层叠组合
np.dstack((a, b))
# array([[[ 0,  0],
        [ 1,  2],
        [ 2,  4]],

       [[ 3,  6],
        [ 4,  8],
        [ 5, 10]],

       [[ 6, 12],
        [ 7, 14],
        [ 8, 16]]])

#列组合， 与hstack效果相同
np.column_stack((a, b))

#行组合，与vstack效果相同的
np.row_stack((a, b))

*数组的分割
Numpy可以对数组进行水平，垂直或深度分割：hsplit, vsplit, dsplit和split，可将数组分割成相同大小的子数组，也可指定原数组中需要分割的位置

Paste_Image.png

#水平分割，与np.split(a, 3, axis=1)相同
np.hsplit(a, 3)

#垂直分割，与np.split(a, 3, axis=0)相同
np.vsplit(a, 3)

#深度分割，按深度方向分割数组
c = np.arange(27).reshape(3,3,3)
np.dsplit(c, 3)

• 数组的属性

Paste_Image.png

shape，数组的形状
dtype，数据类型
ndim，维数或数组轴的个数
size，数组元素总个数
itemsize，数组元素在内存中所占的字节数
nbytes，整个数组所占的存储空间
T，转置，与transpose一样
在numpy中，复数的虚部是用j来表示的
在复数中：real属性，imag属性分别取得数组的实部与虚部
flat，将返回一个numpy.flatiter对象，可遍历

• 数组的转换

tolist：将Numpy数组转换成Python列表
astype：可在转换数组时指定数据类型