Numpy数值计算基础

　　Numpy:是Numerical Python的简称，它是目前Python数值计算中最为基础的工具包，Numpy是用于数值科学计算的基础模块，不但能够完成科学计算的任而且能够用作高效的多维数据容器,可用于存储和处理大型矩阵。Numpy的数据容器能够保存任意类型的数据，这使得Numpy可以无缝并快速地整合各种数据。Numpy本身并没有提供很多高效的数据分析功能。理解Numpy数组即数组计算有利于更加高效地使用其他如pandas等数据分析工具。

　　Numpy提供了两种基本的对象：ndarray（多维数组对象）和ufunc（通用函数）

1.数组属性：

　　　　　　ndim:返回int 。数组的维度

　　　　　　shape:返回tuple。表示数组的尺寸，对于n行m列的矩阵，形状为(m,n)

　　　　　　size:返回int。表示数组的元素整数,等于数组形状的乘积

　　　　　　dtype:返回data-typle。描述数组中元素的类型

　　　　　　itemsize:返回int。表示数组中每个元素的大小（以字节为单位）

　　　　　　　　

import numpy as np
arr1 = np.arange(9).reshape(3,3)
print("创建数组:",arr1)
print("数组的维度:",arr1.ndim)
print("数组的尺寸(形状）：",arr1.shape)
print("数组的数据类型：",arr1.dtype)
print("数据元素个数：",arr1.size)
print("数据每个元素大小:",arr1.itemsize)

2.数组创建

　　　　一、生成多维数组最简单的方式就是使用array函数,array函数接受任意的序列型对象（当然也包括其他的数组）。

　　　　基本语法法：numpy.array(object,dtype=None,copy=True,order='K',subok=False,ndmin=0)

　　　　　　　　　　1.object 接受array。表示想要创建的数组.无默认

　　　　　　　　　　2.dtype 接受data-type.表示数组所需的数据类型。默认为None

　　　　　　　　　　3.ndmin 接受int。指定数组的最小维度。默认为None

import numpy as np
data1 = [1,2,3,4,5]
data2 = [[1,2,3,4],[5,6,7,8]]
print("生成一维数组:",np.array(data1))   #生成一维数组
print("生成二维数组:",np.array(data2))   #生成二维数组

　　　　二、使用其他函数创建数组

　　　　　　

import numpy as np
print("使用arange函数生成数组:",np.arange(0,10,1))  #左闭右开
print("使用linspace函数生成数组:",np.linspace(0,9,10))  #闭区间
print("使用logspace函数生成数组:",np.logspace(0,2,10)) #[1,100]生成10个数
print("使用zeros函数生成数组:",np.zeros((2,3)))  #生成二行三列全为0的数组
print("使用ones函数生成数组:",np.ones((2,3))) #生成二行三列全为一的数组
print("使用eye函数生成数组:",np.ones(3))  #生成对角线上为一的数组
print("使用diag函数生成数组:",np.diag([1,2,3,4]))

3.数组的数据类型

　　　　在Numpy中，所欲数组的数据类型是同质的,即数组中的所有元素必须是一致的。这样做的好处，更容易确定数组所需要的存储空间。

　　　　bool :用一位存储的布尔类型（True or False）

　　　　inti:由所在平台决定其精度的整数

　　　　int8:整数 范围为：-128~127

　　　　int16:整数 范围为：-32768~32767

　　　　int32:整数 范围为：-2^31~2^32-1

　　　　int64:整数 范围为:-2^63~2^63-1

　　　　unit8:无符号整数 范围为:0~255

　　　　unit16:无符号整数 范围为:0~65535

　　　　unit32:无符号整数 范围为0~2^32-1

　　　　unit64 无符号整数 范围为0~2^64-1

　　　　float16:半精度浮点数

　　　　float32:单精度浮点数

　　　　float64: 双精度浮点数

　　　　complex64 复数 分别用32为浮点数代表实部和虚部

　　　　complex128/comple 复数分别用64位浮点数表示实部和虚部

　　　　np.dtype（） 查看数据类型

print(np.float(32))   #整形转化为浮点型
print(np.int(42.0))  #浮点型转化为整形
print(np.bool(42))  #整形转化为bool型
print(np.float(True))  #bool型转化为浮点型

4.生成随机数

　　　　Numpy提供了强大的生成随机数的功能，但使用的都是伪随机数.random 是最常见的生成随机数的方法.

print("生成随机数：",np.random.random())
print("生成均匀分布的随机数",np.random.rand(10,5))
print("生成正态分布的随机数",np.random.randn(10,5))
print("生成给定上下限的随机数：",np.random.randint(0,10,size=[5,2]))
print("生成二项分布随机数：",np.random.binomial(10,0,(2,3)))
print("生成beta分布随机数：",np.random.beta(0.2,0.3,(2,3)))
print("生成卡方分布随机数：",np.random.chisquare(10,[5,2]))
print("生成gamma分布随机数:",np.random.gamma(10,1,(5,2)))
print("生成任意期间均匀分布随机数：",np.random.uniform(0,10,(5,2)))

5.通过索引访问数组

　　　　1.一维数组的索引

　　　　一维数组的索引比较简单，与Python中list的索引方法类似：如果你传递一个数值给数组的切片，数值会被传递给整个切片。区别于Python的内建列表，数组的切片是原数组的视图。这意味着数据并不是被复制，任何对于视图的修改都会反映到原数组上。

　　　　

arr1 = np.arange(10)
print(arr1[1])  #获得索引为1的值
print(arr1[1:3])  #获得索引为1,2的值
arr1[2:4] = 12
print(arr1)   #[ 0  1 12 12  4  5  6  7  8