《python for data analysis》笔记二--Numpy 基础：arrays 和向量化计算 1

1. numpy库是几乎本书所有更高级工具的基础。它主要提供：

※ ndarray，速度快且空间高效的多维array，可进行向量化算术操作和更高级推广应用能力；

※ 标准数学函数，可快速执行整个array上的数据操作，而不需要写循环；

※ 读写硬盘数据的工具，以内存映射（memory-mapped）方式工作；

※ 线性代数，随机数生成，傅里叶变换功能；

※ 整合C++,C, Fortran代码功能；

NumPy本身并不提供高层次的数据分析功能，但是掌握NumPy arrays和面向array的操作可以帮助你高效的使用pandas这些工具。

2. ndarray(n-dimensional array object):多维array对象，可以很方便的存储、操作大量数据。

ndarray和python中的array不同，比如说操作符号*，+；python中array*10会返回10倍长度的array，相当于array中的内容重复10次，array+array相当于2倍长度。而numpy中的array*10会将array的内容全部乘以10，相当于10乘以这个array矩阵；array+array是两个array中的内容相加。可以定义一个python的array，然后用np.array()转化。另外，numpy中的array元素如果有一个是浮点数，那么这个array中的所有元素都会以浮点数存储。

data.shape： 返回data的维数；

data.dtype： 返回data的元素类型；

data.ndim：返回行数；

np.zeros()：创建元素都为0的array，array的维数等于括号内赋给的维数；

np.ones()：遇上一个类似，创建元素都为1的array，array的维数等于括号内赋给的维数shape；

np.empty()：创建一个array，里面的所有元素都没有被初始化；

np.arange()：类似于python中的range()函数，但是是以np.array形式返回的；

下面是ndarray的一些创建函数：





里面的ones_like，zeros_like，empty_like函数中的参数可以是其他array，这样会创建一个和其他array shape相同的ndarray。asarray将input转换为ndarray，如果Input已经是ndarray的话，不用复制。

3. Dtype

Dtype是使得NumPy变得强大的基础之一，在大多数情况下，Dtype可以直接将类型转换成机器表示，可以二进制方式读写硬盘来与底层语言C或Fortran连接。Python中的数字类型的解释如下图所示：





可以使用astype()函数将一个array的类型转换为另一种类型，如：

arr =np.array([1,2,3,4,5])

float_arr =arr.astype(np.float64)

而当将浮点型转换为整型时，小数点后的部分会被截掉；

另外，也可以用string类型保存数字，再将string转换成数字类型，如：

numeric_strings =np.array(['1.25', '-9.6', '42'], dtype=np.string_)

numeric_strings.astype(float)

即可将string类型存储的数字转换为数字类型，但是好像numeric_strings本身的类型并不改变，只改变显示的类型，如果需要本身的类型改变可能要重新赋值。注意np.string_是string类型的表达；当字符串类型不能转换为float类型时，会报出TypeError错误；

在用astype时还可以用其他array的type，比如string_arr =arr.type(numeric_strings.dtype)

当然，也可以用上述的TypeCode来代替指定的类型；

4. numpy的vectorization

arrays很重要因为它提供了可以批处理数据而不需要写任何for循环；这叫做vectorization；

比如说arr = np.array([[1.,2.,3.],[4.,5.,6.]])，可以进行arr * arr，arr ** 0.5，1/arr等运算，这些运算都是对array中的元素做相应的计算，即向量化的操作；

5. Basic indexing and slicing

Numpy中的下标和切片操作很丰富，它在一维上的操作类似于python，但也有些许不同；如：

arr =np.arange(10)

arr[5:8] = 12 # array([0,1,2,3,4,12,12,12,8,9])

arr_slice =arr[5:8]

arr_slice[1] =12345 #arr =array([0,1,2,3,4,12345,12,12,8,9])

可以看出两点：1）对切片可以按下标去读取和修改；2）当取出切片并对该切片进行修改时，修改的结果会反应在原array中；

所以如果是希望将原array中的数据拷贝出来操作时，需显式的给出.copy()，如

arr_slice2 =arr[5:8].copy()

对于N维数据而言，它相当于第一维[0]为N-1维数据，第[0][0]为N-2维数据，...，依次类推，当然也可以采用下标和slice等操作；如：

arr2d =np.array([[1,2,3],[4,5,6],[7,8,9]])

arr2d[1] # array([4,5,6])

arr2d[1][1] # 5

arr2d[1,1] # 5

可以看到最后两句结果是等同的，其实在numpy中访问下标可以写成这种逗号形式，它与两个中括号的表达相同；同样，在arr中的修改会反应在原始array中；在N维数据上的切片操作会在按维度数相应的反应出来；且多维的切片操作要在一个中括号里表示如arr2d[1,:2]；

6. Boolean indexing

（注意：调用randn函数时，要用np.random.randn()来调用，否则会出现'module' object is not callable的错误）

比如说我们想判断一个string array中的元素是否等于'Bob'，可以用==来实现，如：





然后，其实得到的这个Boolean类型的array是可以作为参数传递给其他array的，比如：



但是要注意这个boolean array的长度一定要与所要传进的array行的长度相同；boolean array实际上就是一个划分参数罢了，在data的其它维度上仍然可以进行slice，如

data[names=='Bob',2:]

boolean的操作，还可以是 !=，|，&等逻辑操作符（但python的and和or等关键字不能作为操作符），data
[-(names=='Bob')]也可以表示除了Bob的其它元素；

data[data<0] =0 可以将data中小于0的元素全部设为0，很方便。