[利用python进行数据分析 书笔记]第4章 NumPy基础：数组和矢量计算

NumPy的ndarray：一种多维数组对象

创建ndarray

data.shape	表示各维度大小的元组
data.dtype	表示数组数据类型
data.ndim	返回维数

ndarray的数据类型

astype

显式地转换其dtype，会创建一个新的数组（一份拷贝）

数组和表量之间的运算

两数组之间直接使用+、-、*、/

基本的索引和切片

arr[5:8]	数组切片是原始数组的视图（数据不会被复制），视图上的任何修改都会直接反映到原数组上
	如arr[5:8]返回index为5-7的值，不包括8
arr[5:8].copy()	如果想要得到ndarray的副本而不是视图，需要显式地进行复制

布尔型索引

布尔型数组跟切片、整数可混合使用。如data[names=='bob', 2:]

也可以使用多个布尔条件，如&   |     ！。但and和or在布尔型数组中无效

花式索引

arr([1,5],[3,5])	选出的是元素（1，3）和（5，5）
arr[[1,5]] [:, [0,3,1,2]]	选出1和5行的全部元素，列按0/3/1/2顺序排列
np.ix_	将两个一维整数数组转换为一个用于选取方形区域的索引器
	arr[np.ix_([1,5],[0,3,1,2])]返回结果与上一个一样

数组转置和轴对换

转置	arr.T或arr.transpose()(可用于高维度，输入一个由轴编号组成的元组)
	返回的是原数据的视图，不进行复制操作

通用函数：快速的元素级数组函数

利用数组进行数据处理

将条件逻辑表述为数组运算

np.where(x,y,z)

x为条件，x为true则返回y，否则为z

数学和统计方法

用于布尔型数组的方法

(arr > 0).sum()	布尔值会被强制转换为1/0，sum可用于计算1的值
arr.any()	检查arr数组中是否存在一或多个true
arr.all()	检查是否全都是true

排序

np.sort（）

返回已排序的副本，参数可输入1或0表示行和列

唯一化以及其他集合的逻辑

用于数组的文件输入输出

将数组以二进制形式保存到磁盘

np.save('文件名'，数组)	存
np.load('文件名')	读取
np.savez('文件名'，a=arr,b=arr)	将多个数组保存到一个压缩文件

存取文本文件

np.loadtxt('文件名'，delimmiter = ',')
np.savetxt()	进行相反的操作

线性代数

随机数生成