一、numpy
用NumPy快速处理数据
NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含： 矩阵运算
jupyter快捷键
1、ndarray 对象
ndarray 实际上是多维数组的含义。在 NumPy 数组中，维数称为秩（rank），一维数组 的秩为 1，二维数组的秩为 2，以此类推。在 NumPy 中，每一个线性的数组称为一个轴 （axes），其实秩就是描述轴的数量。
创建数组
# 引入numpy模块 import numpy as np # 创建二维数组 array = np.array([[1,2,3],[4,5,6]]) print(array,type(array)) [[1 2 3] [4 5 6]] <class 'numpy.ndarray'>
获取数组属性值
# ndim 维度的数量
print('维度的数量',array.ndim)
# 维度
print('维度',array.shape)
# 数组元素的个数
print('数组元素的个数',array.size)
# 对象元素的类型
print('对象元素的类型',array.dtype)
# 对象每个元素的大小、以字节为单位
print('对象每个元素的大小、以字节为单位',array.itemsize)
# 对象内存信息
print(' 对象内存信息',array.flags)
特殊函数创建
关键字 array：创建数组 dtype：指定数据类型 zeros：创建数据全为0 ones：创建数据全为1 empty：创建数据接近0 arange：按指定范围创建数据 linspace：创建线段
# 创建全零数组 # 数据全为0，3行4列 # 默认为float a = np.zeros((3,4)) print(a) print(a.dtype) [[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]] float64 # 创建全为1的数组, 同时也能指定这些特定数据的 dtype: a = np.ones((3,4),dtype=np.int) print(a) print(a.dtype) [[1 1 1 1] [1 1 1 1] [1 1 1 1]] int32 # 创建全空数组, 其实每个值都是接近于零的数: a = np.empty((3,4)) print(a) print(a.dtype) [[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]] float64 # 用 arange 创建连续数组: # 10-19 的数据，2步长 arange用来创建数组 a = np.arange(10,20,2) print(a) print(a.dtype) [10 12 14 16 18] int32 # 使用 reshape 改变数据的形状 # 3行4列 ，0到11 a = np.arange(12).reshape((3,4)) print(a) print(a.dtype) [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] int32 # 用 linspace 创建线段型数据: # 开始端为1 ，结束端10，且分割成20个数据，生成线段 a = np.linspace(1,10,20) print(a) print(a.dtype)
结构数组
# 结构数组
import numpy as np
# 定义数组结构
# persontype = np.dtype({
# 'names':['name', 'age', 'chinese', 'math', 'english'],
# 'formats':['S32','i', 'i', 'i', 'f']})
# 也可以这样定义
persontype = np.dtype(
[('name','S32'),( 'age','i'), ('chinese','i'), ('math','i'), ('english','i')]
)
peoples = np.array([("ZhangFei",32,75,100, 90),("GuanYu",24,85,96,88.5),
("ZhaoYun",28,85,92,96.5),("HuangZhong",29,65,85,100)],
dtype=persontype)
ages = peoples[:]['age']
chineses = peoples[:]['chinese']
maths = peoples[:]['math']
englishs = peoples[:]['english']
print(np.mean(ages))
print(np.mean(chineses))
print(np.mean(maths))
print(np.mean(englishs))
28.25 77.5 93.25 93.5
创建随机数组
random.random()函数是这个模块中最常用的方法了，它会生成一个随机的浮点数，范围是在0.0~1.0之间。
指定范围和形状的随机浮点数数组
数组的数据类型
算数运算
通过 NumPy 可以自由地创建等差数组，同时也可以进行加、减、乘、除、求 n 次方和取余数。
# 通过 NumPy 可以自由地创建等差数组，同时也可以进行加、减、乘、除、求 n 次方和取余数。
x1 = np.arange(1,11,2)
x2 = np.linspace(1,9,5)
print('x1:',x1)
print('x2:',x2)
print(np.add(x1, x2))
print(np.subtract(x1, x2))
print(np.multiply(x1, x2))
print(np.divide(x1, x2))
print(np.power(x1, x2))
print(np.remainder(x1, x2))
x1: [1 3 5 7 9]
x2: [1. 3. 5. 7. 9.]
[ 2. 6. 10. 14. 18.]
[0. 0. 0. 0. 0.]
[ 1. 9. 25. 49. 81.]
[1. 1. 1. 1. 1.]
[1.00000000e+00 2.70000000e+01 3.12500000e+03 8.23543000e+05
3.87420489e+08]
[0. 0. 0. 0. 0.]
在取余函数里，你既可以用 np.remainder(x1, x2)，也可以用 np.mod(x1, x2)，结果是一
样的。
ndarray数组运算
(1)数组与标量之间的运算作用于数组的每一个元素
统计函数
最大值、最小值、平均值，是否符合正态分布，方差、标准差多少等等。它们可以让你更清楚地对这组数据有认知。
