7068-1.Python数据分析：NumPy的基本语法

本章对于NumPy的基本用法做简单的介绍：
NumPy是Python自带的高性能科学计算和数据分析的基础包
导入该包：import numpy as np创建N维数组对象ndarray:data=np.array([0.945,-0.246,0.728,0.557,-0.489,0.916])该对象是一个大数据集，可以作为整体进行运算：
例如：print(data*10)
print(data+data)
print(data.shape)#一个表示各维大小的元组
print(data.dtype)#表示数据类型，这里是float64输出如下：
[ 9.45 -2.46 7.28 5.57 -4.89 9.16]
[ 1.89 -0.492 1.456 1.114 -0.978 1.832]
(6,)
float64

创建ndarry的方法：p00=np.zeros(10)#创建一个全0，长度为10的数组
p01=np.zeros((3,4))#三行四列的全零数组
p1=np.ones(10)#创建一个全1，长度为10的数组
pr=np.arange(15)#创建等差数列数组
pE=np.eye(7)#创建7*7的单位矩阵（identity是同样的用法）
pe=np.empty((3,4))#创建新数组，只分配内存空间但不填充任何值输出如下：
array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]),
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]]),
array([ 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.]),
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]),
array([[ 1., 0., 0., 0., 0., 0., 0.],
[ 0., 1., 0., 0., 0., 0., 0.],
[ 0., 0., 1., 0., 0., 0., 0.],
[ 0., 0., 0., 1., 0., 0., 0.],
[ 0., 0., 0., 0., 1., 0., 0.],
[ 0., 0., 0., 0., 0., 1., 0.],
[ 0., 0., 0., 0., 0., 0., 1.]]),
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])

创建二维数组：arr=np.array([[1,2,3],[4,5,6]])#创建二维数组
print(arr*arr)输出：
[[ 1 4 9] [16 25 36]]

可以看到，二维数组运算是相同的
访问二维数组时，arr[0][2]等效于arr[0,2]，同样arr[1]代表[4,5,6]一个整体
对于数据处理：data1=np.arange(10)
print(data1[4:9])输出：

[4 5 6 7 8]

数据统一赋值：data1[4:9]=0
print(data1)输出：[0 1 2 3 0 0 0 0 0 9]
切片索引：我们不妨把一些常见的语句带进来实验一下，看看能输出什么结果a=([[1,2,3],[4,5,6],[7,8,9]])
data2=np.array(a)#创建ndarray
print(data2.shape)#输出（3，3）
print(data2[:2])#输出[[1 2 3] [4 5 6]]

“：”表示前面或后面全部覆盖，即选取整个轴，Python从0开始编码，所以这里是选取第0行到第2行（不包含第2行）的所有数据

print(data2[:2,1:])#输出[[2 3] [5 6]]，选取开始到第2行（不包含），第1列到最后的所有数据
print(data2[1,:2])#输出[4 5]，选取第1行，开始到第2列（不包含）的所有数据
print(data2[2,:1])#输出[7]，选取第2行，开始到第一列（不包含）的所有数据
print(data2[:,:1])#输出[[1] [4] [7]]，选取所有行，开始到第一列（不包含）的所有数据

布尔型索引：letter=np.array(['A','B','A','C','B','B','C'])
data=np.random.randn(7,2)#生成随机数
print(data)

print(letter=='B')
print(data[letter=='B'])输出：



此操作可以实现字符与布尔数组的匹配
（使用布尔数组选取多个应用“|”和“&”，“and”和‘or’在布尔型数组中无效）
统一筛选与赋值：data[data<0]=0
print(data)

data[letter!='B']=-1
print(data)


其他常用操作：data3=np.dot(data2.T,data2)#计算矩阵内积

data4=np.arange(16).reshape((2,2,4))#生成一个三维数组这个数组长这样：