Python数据分析基础包Numpy.doc

文档介绍：Python数据剖析基础包：Numpy
Python数据剖析基础包：Numpy
1/15
Python数据剖析基础包：Numpy
Numpy的核心内容是它的多维数组对象——ndarray（N-Dimensioint,float,complex
相同，实际上使用Python
的种类名称（int,
float等）也是合法的。intc,intp
的大小不定是取决于操作系统。
创立ndarray
创立数组最简单的方法是使用array()函数：(numpy的条约简称为np——import
numpyasnp)
array(object,dtype=None,copy=True,order=None,subok=False,
ndmin=0)
它接受一切序列种类对象，并将其转变为一个ndarray数组，维度视序列的嵌套深度而定：
>>>([
1,2,3,4])
array([
1,2,
3,4])
>>>(
[[1,2],[3,4]]
)
array(
[[1,2],
[3,4]]
)
数组的dtype会由系统自动推定，除非你显式传达一个参数进去。（系统一般会默认使用
int32或float64）
除array()函数外，还有一些能够用于创立数组的便捷函数：
#####################*
asarray将输入变换为ndarray，若输入本身是ndarray就不复制
arange近似于内建range函数，可是返回的是一个一维ndarray
ones、ones_like根据指定形状和dtype创立一个全1数组
Python数据剖析基础包：Numpy
Python数据剖析基础包：Numpy
9/15
Python数据剖析基础包：Numpy
zeros、zeros_like根据指定形状和dtype创立一个全0数组
Python数据剖析基础包：Numpy
Python数据剖析基础包：Numpy
15/15
Python数据剖析基础包：Numpy
empty、empty_like创立新数组，但只分派内存空间不赋值
eye、identity创立一个正方的N×N单位矩阵（对角线为1，其余为0）
ones(shape,dtype=None,order='C')和ones_like(arr_instance,
dtype=None,order='K',subok=True)使用示例，zeros_like取一个nd
array为参数，并按它的dtype和形状创立全0数组：
>>>foo=((3,4),dtype=)
>>>foo
array([[1,1,1,1],
[1,1,1,1],
[1,1,1,1]])
bar=(foo)
bar
array([[0,0,0,0],
[0,0,0,0],
[0,0,0,0]])
参数中的order='C'，order='F'指的是元素在内存中的排序，C代表C次序，指
行优先；F代表Fortran次序，指列优先。
()，这个函数创立的数组里面是有值的，除非你确
定创立的这个数组能被完全赋值，否则后边运算起来很麻烦，这些“空值”的布尔种类是Tr
ue，而且dropna()方法删不掉。想创立空的Series，能够使用Series(,i
ndex=???)这样。
Python数据剖析基础包：Numpy
Python数据剖析基础包：Numpy
11/15
Python数据剖析基础包：Numpy
ndarray对象的属性
Python数据剖析基础包：Numpy
Python数据剖析基础包：Numpy
15/15
Python数据剖析基础包：Numpy
.reshape(shape)
此方法用于改变数组的形状。
虽然我感觉既然
ndarray
对象的数据块都是线性存储的，
按说