Numpy是最早用于數值計算的庫，主要用于矩陣相關的運算。主要針對多維數組（Ndarray）的科學計算。為方便使用，在Numpy上開發了Pandas。Pandas是常用的處理excel表格的數值計算庫。在基于Numpy的主要針對數據框（DataFrame）和序列（Series）的科學計算。

本文展開對Numpy的學習。

0.數組生成

1.數組的基本屬性

數組的基本屬性主要包括：形狀、大小、類型、維數。

形狀：arr.shape

大小：arr.size

類型：arr.dtype

維數：arr.ndim

2.數組數據選取

2.1一維數組選取

取第n個數：arr[n-1]

取最后一個數：arr[-1]

取第n~m的數：arr[n,m+1] *后推一位數,左閉右開

取n以后的數：arr[n:]

取n以前的數：arr[:n]

取n到倒數m位置：arr[n:-m]

取大于v的元素：arr[arr>3]

2.2多維數組選取

取第n行：arr[n-1]

取第n和n+1行：arr[n-1,n+1]

取第n行以前的行：arr[:n-1]

取第n列：arr[:,n-1]

取n~m列：arr[:,n-1:m-1]

取n列之前的列：arr[:,:n-1]

取n列之后的列：arr[:,n-1:]

取n~m行、p~q列：arr[n-1:m,p-1,q]

3.數據預處理

3.1數組類型轉換

轉float類型：arr.astype(np.float64)

轉str類型：arr.astype(np.string_)

3.2缺失值處理

step1：判斷是否含有缺失值，將缺失值找出

np.isnan(arr)

step2：對缺失值進行填充

arr[np.isnan(arr)]=0

3.3重復值處理

arr.unique()

4.數組重塑

4.1一維數組重塑

arr.reshape(n,m)

4.2多維數組重塑

arr.reshape(n,m)

4.3數組轉置

arr.T

5.數組合并

5.1橫向合并-

concatenate方法：np.concatenate([arrr1,arr2],axis=1)

hstack方法：np.hstack((arr1,arr2))

column_stack方法：np.column_stack((arr1,arr2))

5.2縱向合并-

concatenate方法：np.concatenate([arrr1,arr2],axis=0)

hstack方法：np.vstack((arr1,arr2))

row_stack方法：np.column_stack((arr1,arr2))

6.常用數據分析函數

6.1元素級函數--

元素級函數就是針對數組中的每個元素執行相同的函數操作

以下為主要函數：

np.square(arr)

np.sqrt(arr)

6.2描述統計函數--

描述統計函數是對整個numpy數組或者某條軸的數據擊姓統計運算。

以下為主要函數：

arr.sum(axis=1)

6.3條件函數--

np.where(condition,x,y)

類似于excel中的if(condition,True,Flase)函數，若條件為真則返回x，若為假返回y。

np.where(arr>60,'及格','不及格')

6.4集合關系--

每個數組都都可當作集合，幾何關系就是兩數組之間的關系，主要有包含、交集、并集、差集四種。

包含：np.inld(arr1,arr2)

交集：np.intersectld(arr1,arr2)

并集：np.unionld(arr1,arr2)

差集：np.setdiffld(arr1,arr2)

超強干貨來襲 云風專訪：近40年碼齡，通宵達旦的技術人生

總結

以上是生活随笔為你收集整理的qpython numpy_Python-Numpy全面精简教程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。