学员笔记||Python数据分析之：numpy入门（一）

会员服务 ·

学员笔记||Python数据分析之：numpy入门（一）

2017 年 9 月 28 日 七月在线实验室 学员笔记

（点击上方公众号，快速关注一起学AI）

写在最前

这是我学<Python数据分析>时整理出来的numpy基础速读笔记，内容大致分为：Numpy简介，ndarray对象的构建，以及对ndarray属性的理解。欢迎找茬&可劲拍砖！

Numpy简介

Numpy 是 Python 下的一个 library 。

numpy最主要的是支持矩阵操作与运算

非常高效是numpy的优势，core为C编写。提升了python的处理效率

numpy是一些与比较流行的机器学习框架的基础。

名词解释：ndarray是numpy的核心数据类型，即（n-dimensional array）多维数组

，tensorflow中的tensor（张量），它本质上也多维数组，但这个名字很高大上。因此，理解多维数组对之后的机器学习会有很大帮助。

导入

import numpy as np

使用帮助

dir(np)

构建ndarray

从Python数组构建

l1=[1,2,3,4,5]

print (type(l1))

l2=np.array(l1)

print (type(l2))

l3=list(l2) # ndarray转为Python list

print (type(l3))

构建一维数组

n1=np.array([1,2,3])

n1.shape

构建二维数组

n2= np.array([[1,2,3],[4,5,6]])

n2.shape

快速构建ndarray

序列创建：

np.arange(15)#类似于python中的range，创建一个第一个维度为15的ndarray对象。

np.arange(2,3,0.1) #起点，终点，步长值。含起点值，不含终点值。

np.linspace(1,10,10) #起点，终点，区间内点数。起点终点均包括在内。

np.arange(0,1,0.1) #0到1之间步长为0.1的数组, 数组中不包含1

np.linspace(0, 1, 5) # 开始：0，结束1, 元素数 5。

填充创建：

np.zeros((2,3)) #创建一个全零的，2x3的矩阵, 注意：传入参数是一个tuple,因此别忘了()

np.ones((2,3)) #创建一个全为1的，2x3的矩阵

np.identity(5) #方阵identity()，只需要一个参数，建立n*n的方阵

a = np.random.rand(5,5)#指定数字矩阵fill()函数

a.fill(7)

np.empty((6,6))#空的ndarray,指定其shape即可，注意：空不意味着值为0，而是任何的value,内存中没有被初始化的。

np.eye(3)# 对角线矩阵

np.random.rand(3,2) #随机数矩阵：

关于随机数方法：

rand：返回均匀分布随机数

randn:返回服从正态分布的随机数

numpy数据类型及转换

d1=np.array([1,2,3,4,5])

print(d1)

pint(d1.dtype) # Numpy会自动根据ndarray对象中的值判定数据类型，这里为整型。

d1.astype(np.float32)# 如果想把它强制转为浮点型，可以用astype函数转换。

np.random.rand((3,2)，dtype=np.float32)# 也可以在创建ndarray时，即指定其数据类型

#numpy数据类型参考

类型	类型代码	说明
int8、uint8	i1、u1	有符号和无符号8位整型（1字节）
int16、uint16	i2、u2	有符号和无符号16位整型（2字节）
int32、uint32	i4、u4	有符号和无符号32位整型（4字节）
int64、uint64	i8、u8	有符号和无符号64位整型（8字节）
float16	f2	半精度浮点数
float32	f4、f	单精度浮点数
float64	f8、d	双精度浮点数
float128	f16、g	扩展精度浮点数
complex64	c8	分别用两个32位表示的复数
complex128	c16	分别用两个64位表示的复数
complex256	c32	分别用两个128位表示的复数
bool	?	布尔型
object	O	python对象
string	Sn	固定长度字符串，每个字符1字节，如S10
unicode	Un	固定长度Unicode，字节数由系统决定，如U10