如何进行Python Numpy的入门(numpy,python,编程语言)

Numpy是python语言中最基础和最强大的科学计算和数据处理的工具包，如数据分析工具pandas也是基于numpy构建的，机器学习包scikit-learn也大量使用了numpy方法。本文介绍了Numpy的n维数组在数据处理和分析的所有核心应用。

1.如何构建numpy数组

构建numpy数组的方法很多，比较常用的方法是用np.array函数对列表进行转化。

数组和列表最关键的区别是：数组是基于向量化操作的，列表不是，我们在实际项目中处理的数据一般是矩阵结构，对该数据以行向量或列向量的形式进行计算，向量计算是基于数组实现的，因此数组比列表的应用更广。

函数可以应用到数组的每一项，列表不行。

比如，不可以对列表的每一项数据都加2，这是错误的。

可以对数组的某一项数据都加2

另一个区别是已经定义的numpy数组不可以增加数组大小，只能通过定义另一个数组来实现，但是列表可以增加大小。

然而，Numpy有更多的优势，让我们一起来发现。

numpy可以通过列表中的列表来构建二维数组。

你也可以通过dtype参数指定数组的类型，一些最常用的numpy类型是：'float'，'int'，'bool'，'str'和'object'。

输出结果的小数点表示float类型，你也可以通过 astype方法转换成不同的类型。

另一个区别是数组要求所有项是同一个类型，list没有这个限制。如果你想要一个数组包含不同类型，设置‘dtype’为'object'。

最终使用 tolist()函数使数组转化为列表。

总结数组和列表主要的区别：

数组支持向量化操作，列表不支持；

数组不能改变长度，列表可以；

数组的每一项都是同一类型，list可以有多种类型；

同样长度的数组所占的空间小于列表；

2.如何观察数组属性的大小和形状（shape）

一维数组由列表构建，二维数组arr2d由列表的列表构建，二维数组有行和列，比如矩阵，三维数组由嵌入了两个列表的列表构建。

假设给定一个数组，我们怎么去了解该数组的属性。

数组的属性包括：

数组的维度（ndim）

数组的形状（shape）

数组的类型（dtype）

数组的大小（size）

数组元素的表示（通过索引）

3. 如何从数组提取特定的项

数组的索引是从0开始计数的，与list类似。numpy数组通过方括号的参数以选择特定的元素。

numpy数组支持布尔类型的索引，布尔型索引数组与过滤前（array-to-be-filtered）的数组大小相等，布尔型数组只包含Ture和False变量，Ture变量对应的数组索引位置保留了过滤前的值 。

3.1 如何反转数组

3.2 如何处理数组的缺失值（missing）和无穷大（infinite）值

缺失值可以用np.nan对象表示，np.inf表示无穷大值，下面用二维数组举例：

3.3 如何计算n维数组的平均值，最小值和最大值

如果要求数组的行或列的最小值，使用np.amin函数

对数组的每个元素进行累加，得到一维数组，一维数组的大小与二维数组相同。

4.如何从现有的数组定义新数组

如果使用赋值运算符从父数组定义新数组，新数组与父数组共占同一个内存空间，如果改变新数组的值，那么父数组也相应的改变。

为了让新数组与父数组相互独立，你需要使用copy（）函数。所有父数组都使用copy（）方法构建新数组。

5.多维数组的重构（reshaping）和扁平（flattening）

重构（reshaping）是改变了数组项的排列，即改变了数组的形状，未改变数组的维数。

扁平（flattening）是对多维数组转化为一维数组。

5.1 flatten()和ravel()的区别

数组的扁平化有两种常用的方法，flatten()和ravel() 。flatten处理后的数组是父数组的引用，因此新数组的任何变化也会改变父数组，因其未用复制的方式构建数组，内存使用效率高，ravel通过复制的方式构建新数组。

6.如何通过numpy生成序列数（sequences），重复数（repetitions）和随机数（random）

np.arrange函数手动生成指定数目的序列数，与ndarray作用一样。

上例是通过np.arrange设置初始位置和结束位置来生成序列数，如果我们设置数组的元素个数，那么可以自动计算数组的递增值。

如构建1到50的数组，数组有10个元素，使用np.linspace总动计算数组的递增值。

我们注意到上面例子的递增值并不相等，有5和6两个值，原因是计算递增值采用了四舍五入的算法（rounding）。与np.linspace类似，np.logspace以对数尺度的方式增长。

初始化数组的元素全为1或全为0。

6.1如何构建重复的序列数

6.2 如何生存随机数

random模块包含的函数可以生成任一数组形状的随机数和统计分布。

6.3 如何得到数组独特（unique）的项和个数（counts）

np.unique函数去除数组中重复的元素，设置return_counts参数为True，得到数组每一项的个数。

对numpy的基本用法不太熟悉的伙伴，重点可以看一下了！