本章重點內容：

1、NumPy ndarray：多維數組對象

　　1）生成ndarry

　　2）ndarray的數據類型

　　3）NumPy數據算術

　　4）基礎索引與切片

　　5）布爾索引

　　6）數組轉置和換軸

2、通用函數：快速的逐元素數組函數

3、使用數組進行面向數組編程

4、使用數組進行文件輸入和輸出

5、偽隨機數生成

6、示例：隨機漫步

接下來展開詳細說明，如下

1、NumPy ndarray：多維數組對象

NumPy，是Numerical Python的簡稱，它是目前Python數值計算中最為重要的基礎包，大多數計算包都提供了基于NumPy的科學函數功能，將NumPy的數組對象作為數據交換的通用語

首先看下NumPy的簡單使用，如下：

導入numpy進行使用，隨機生成2行3列數字，然后可以進行一些數學操作，例如相乘、相加，如下：

一個ndarray是一個通用的多維同類數據容器，每個數組都有一個shape屬性，表示緯度的數量，都有一個dtype屬性，表示數據類型，如下：

1）生成ndarry

最簡單的就是使用array函數，可以將不同的列表轉換為數組，如下：

一般來說，針對同等長度的列表，會自動轉換為多維數組，

可以通過arange生成數組，類似Python中的range，如下

2）ndarray的數據類型

前面我們說過，每個數組都會有一個數據類型的屬性，在創建數組時，可以聲明不同的數據類型，如下：

可以使用astype方法顯示的轉換數組的數據類型，如下：

如果字符串表示數字的含義，也可以通過astype轉換成數字，如下：

3）NumPy數據算術

數組之所以重要事因為他允許進行批量操作而無需任何for循環，在NumPy中，這個特性成為向量化，算術操作都會針對數組逐個元素進行，如下：

兩個數組間也可以進行比較，會產生一個布爾值數組，如下：

4）基礎索引與切片

一維數組的索引和切片，和Python中的列表相似，如下：

有一個特別要區別的地方，就是數組的切片是原數組的視圖，不是復制數據，所以對切片的修改都會反應到原數組上

可以針對二維及更多緯度的數組進行切片，如下，二維數組示例：

可以進行更多緯度更靈活的切片，如下：

5）布爾索引

假如我們有兩個數組，一個數組是名字，另一個名字數組是數據，每個名字對應另一個數組中對應每行的數據，可以通過布爾索引相關數據，代碼示例如下：

首先，創建一個名字的數組，然后隨機產生對應的數據，如下：

可以直接對數據進行比較操作，如下：

在索引數組時可以傳入布爾數組，如下：

可以選擇除bob之外的數據，如下：

其中符合【~】表示取反的意思

6）數組轉置和換軸

轉置是一種特殊的數據重組形式，可以通過transpose方法和特殊的T屬性實現，如下：

在計算矩陣內積的時候，會用到轉置，計算內積的方法是【.dot】，代碼示例如下：

2、通用函數：快速的逐元素數組函數

這里的通用函數，是指對一個數組或者多個數組進行的函數運算，例如取根號，最大值比較，具體代碼示例如下：

3、使用數組進行面向數組編程

將條件邏輯作為數組操作

numpy.where函數是三元表達式【x if condition else y】的向量化版本

如果有一個布爾數組和兩個數值數組，根據布爾數組來選擇另外兩個數組，用該辦法操作如下：

可以對一個數組內符合條件的內容進行替換操作，如下：

數學和統計方法

對數組內數據就和以及求均值，都可以很方便的實現，如下：

排序

數組也可是使用sort方法進行位置排序，如下：

針對多維數組，可以指定軸向進行排序，如下：

唯一值

可以通過nuique方法計算數組內的唯一值，去除重復的內容，例如前面中提到的姓名的數組，具體代碼示例如下：

4、使用數組進行文件輸入和輸出

通過save和load方法來進行存取操作，具體代碼示例如下：

存入數據：文件格式會默認為npy

讀取數據：一定要寫出后綴

5、偽隨機數生成

前面的示例中已經看到和用到來random的函數，來隨機生產數據，他也可以高效多種概率分布下的完整樣本值數組，例如使用normal獲得4X4正態分布樣本數組，如下：

6、示例：隨機漫步

本文為作者手打原創，如有引用請取得作者同意

說明：本章內容基于《利用Python 進行數據分析 第二版》內容學習整理

總結

以上是生活随笔為你收集整理的numpy列相加_Python数据分析入门：NumPy基础：数组与向量化计算的全部內容，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。