python日记——数据分析与展示之numpy—— Part1
python数据分析与展示主要涉及Numpy、matplotlib、pandas三个库，本文将从Numpy开始，逐步介绍python进行数据分析与展示的相关知识，从而掌握表示、清洗、统计和展示数据的能力。
一、Numpy简介
- Numpy是表达N维数组的最基础库，python接口使用，底层通过c语言实现，计算速度优异，它是python数据分析及科学计算的基础库，支撑pandas库，同时还提供直接的矩阵运算、广播函数、线性代数等功能。
二、ndarray数组对象
-
ndarray的优势
1、数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据；
2、设置专门的数组对象，经过优化，可以提升这类应用的运算速度；
3、数组对象采用相同的数据类型，有利于节省运算和存储空间 -
ndarray基本介绍
1、ndarray是一个多维数组对象，由实际的数据、描述这些数据的元数据（数据维度、数据类型等）两部分构成；
2、ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始
3、numpy.array()用于生成一个ndarray数组，其输出为[ ]形式，输出的数组元素之间由空格分隔；
4、轴和秩：轴用于保存数据的维度，秩用于表示轴的数量；
5、ndarray对象的属性：
.ndim：秩，即轴的数量或维度的数量；
.shape：ndarray对象的尺度，对于矩阵，表示n行m列；
.size：ndarray对象元素的个数，相当于.shape中n*m的值；
.dtype：ndarray对象的元素类型；
.itemsize：ndarray对象中每个元素的大小，以字节为单位。
6、ndarray的元素类型：
ndarray元素类型很多，主要是因为科学计算涉及数据较多，对存储和性能都有较高要求，并且对元素类型精确定义，有助于Numpy合理使用存储空间并优化性能，有助于程序员对程序规模有合理评估，其元素类型如下：bool、inte、intp、int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64、complex64、complex128；
7、ndarray数组可以由非同质对象构成，但无法有效发挥Numpy优势，应该尽量避免使用。 -
ndarray数组的创建和变换
1、ndarray数组的创建方法：
(1) 从python中的列表、元素等类型创建：x = np.array(list/tuple)
(2) 使用Numpy中函数创建ndarray数组：
numpy.arange(n)：类似range函数，返回ndarray类型，元素从0到n-1；
numpy.ones(shape)：根据shape生成一个全1数组，shape是元组类型；
numpy.zeros(shape)：根据shape生成一个全0数组。shape是元组类型
numpy.full(shape,val)：根据shape生成一个数组，每个元素值都是val；
numpy.eye(n)：创建一个正方的n*n单位矩阵，对角线为1，其余为0；
numpy.ones_like(a)：根据数组a的形状生成一个全1数组；
numpy.zeros_like(a)：根据数组a的形状生成一个全0数组；
numpy.full_like(a,val)：根据数组a的形状生成一个全val数组；
numpy.linspace(a,b,size,endpoint=True/False)：根据起止数据a,b等间距地填充size个数据，形成数组，endpoint=False时表示不包含b；
numpy.concatenate()：将两个或多个数组合并成一个新的数组。
2、ndarray数组的变换：
(1) 维度变换：
.reshape(shape)：不改变数组元素，返回一个shape形状的数组，原数组不变；
.resize(shape)：与.reshape()功能一致，但修改原数组；
.swapaxes(ax1,ax2)：将数组n个维度中两个维度进行调换；
.flatten()：对数组进行降维，返回折叠后的一维数组，原数组不变。
(2) 元素类型变换 ：
.astype(new_type)：创建一个新的数组（原始数据的一个拷贝）。
(3)ndarray数组向列表转换：
.tolist() -
ndarray数组的操作
1、数组的索引和切片：
(1)一维数组：与python中列表相似；
(2)多维数组：
索引：a[1,2,3]、a[-1,-2,-3]；
切片：a[:,1:3,::2]，三维为例，2表示步长。
2、ndarray数组的运算：
(1) 数组与标量之间的运算：作用与数组的每一个元素；
(2) numpy一元函数，对ndarray中的数据执行元素级运算的函数：
numpy.abs(x),numpy.fabs(x)：计算数组各元素的绝对值；
numpy.sqrt(x)：计算数组各元素的平方根；
numpy.square(x)：计算数组各元素的平方；
numpy.log(x)，numpy.log10(x)，numpy.log2(x)：计算各元素的对数；
numpy.ceil(x)，numpy.floor(x)：计算数组各元素的ceiling值或floor值；
numpy.rint(x)：计算数组各元素的四舍五入值；
numpy.modf(x)：将数组各元素的小数和整数部分以两个独立数组形式返回；
numpy.cos(x)等：计算三角函数值；
numpy.exp(x)：计算数组各元素的指数值；
numpy.sign(x)：计算数组各元素的符号值，1(+),0,-1(-)。
(3) numpy二元函数：
numpy.maxmun(x,y)、numpy.minmun(x,y)、numpy.fmax()、numpy.fmin()、numpy.mod(x,y)、numpy.copysign(x,y)—将数组y中各元素值的符号赋值给数组x对应元素、加减乘除、算术比较。