python numpy基礎 數組和矢量計算
在python 中有時候我們用數組操作數據可以極大的提升數據的處理效率，
類似于R的向量化操作，使得數據的操作趨于簡單化，在python 中是使用numpy模塊可以進行數組和矢量計算。
下面來看下簡單的例子
importnumpyas np
data=np.array([2,5,6,8,3]) #構造一個簡單的數組
print(data)
結果：
[2 5 6 8 3]
data1=np.array([[2,5,6,8,3],np.arange(5)]) #構建一個二維數組
print(data1)
結果：
[[2 5 6 8 3]
[0 1 2 3 4]]
我們也可以通過shape和dtype方法查看數組的維度和數據格式
print(data.shape)
print(data.dtype)
print(data1.shape)
print(data1.dtype)
結果：
(5,)
int32
(2, 5)
int32
可以看出data是一維數組，每組元素為5個，數據類型為32位int 類型
data1 為二維數組，每個組有5個元素，數據類型為32位int類型
有一個較好的區分方法是看打印結果中，中括號的層數和位置，就可以看出數組的維度，一層中括號代表一個維度。
其他的數組屬性方法還有：
array.ndim 數組的維數，一維數組結果為1，二維數組打印結果為2
array.size 數組的元素個數
array.itemsiz 數組每個元素的字節大小
接下來我們了解下數組中的數據類型：
| 名稱 | 描述 |
| bool | 用一個字節存儲的布爾類型（True或False） |
| inti | 由所在平臺決定其大小的整數（一般為int32或int64） |
| int8 | 一個字節大小，-128 至 127 |
| int16 | 整數，-32768 至 32767 |
| int32 | 整數，-2 ** 31 至 2 ** 32 -1 |
| int64 | 整數，-2 ** 63 至 2 ** 63 – 1 |
| uint8 | 無符號整數，0 至 255 |
| uint16 | 無符號整數，0 至 65535 |
| uint32 | 無符號整數，0 至 2 ** 32 – 1 |
| uint64 | 無符號整數，0 至 2 ** 64 – 1 |
| float16 | 半精度浮點數：16位，正負號1位，指數5位，精度10位 |
| float32 | 單精度浮點數：32位，正負號1位，指數8位，精度23位 |
| float64或float | 雙精度浮點數：64位，正負號1位，指數11位，精度52位 |
| complex64 | 復數，分別用兩個32位浮點數表示實部和虛部 |
| complex128或complex | 復數，分別用兩個64位浮點數表示實部和虛部 |
基礎的數組運算
數組也可以進行我們常用的加減乘除運算
arr=np.array(np.arange(10))
arr1=np.array(np.arange(1,11))
print(arr*2)
結果：
[ 0 2 4 6 8 10 12 14 16 18]
print(arr+arr1)
結果：
[ 1 3 5 7 9 11 13 15 17 19]
注意，相加兩個數組長度要一樣
接下來我們看下數組索引
arr=np.arange(10)
用下標直接進行索引
print(arr[5])
結果為：
5
切片索引
print(arr[5:8])
結果為：
[5 6 7]
可以利用索引對數據進行更改操作
arr[5]=120
print(arr)
結果為：
[ 0 1 2 3 4 120 6 7 8 9]
可以看到下標為5的數已經變成120了。
此外，數組還可以進行布爾操作
arr=np.arange(5)
name=np.array(['a','b','b','c','a'])
print(name=='a')
結果為：
[ True False False False True]
即滿足條件的數據全部以True的結果輸出。
接下來我們可以利用name數組設置條件后的布爾值對arr數組進行相關操作
print(arr[name=='a'])
結果為：
[0 4]
即把arr中對應于name中a相對應位置的元素打印出來。
多條件操作
result=(name='a')|(name='c')
print(result)
print(name[result])
結果為：
[ True False False True True]
[‘a’ ‘c’ ‘a’]
接下來，我們了解下ufunc方法
用于操作單個數組的函數有如下：
用于操作兩個或多個數組的方法
相關的函數方法使用
np.meshgrid 用于生成多維矩陣
a,b=np.meshgrid(np.arange(1,5),np.arange(2,4))
print(a)
print(b)
結果為：
[[1 2 3 4]
[1 2 3 4]]
[[2 2 2 2]
[3 3 3 3]]
按照數據最少的數組形成數組
np.where 是三元表達式 x if condition else y的矢量化版本
arr1=np.arange(5)
arr2=np.arange(20,25)
condition=np.array([1,0,1,0,0])
result=np.where(condition,arr1,arr2)
print(arr1)
print(arr2)
print(result)
結果為：
[0 1 2 3 4]
[20 21 22 23 24]
[ 0 21 2 23 24]
可以看出，result的結果中，條件為1的顯示數組arr1的內容，條件為0的顯示arr2的內容
數學統計方法
在數組中我們也可以使用數學統計方法進行計數，例如sum mean std 等
arr=np.random.randint(1,20,10)
print(arr)
print(np.mean(arr))
print(np.sum(arr))
print(np.std(arr))
結果為：
[19 14 8 13 13 10 10 9 19 7]
12.2
122
4.01995024845
具體的方法內容如下圖所示：
布爾型數組的相關統計方法
arr=np.arange(-20,10)
result=(arr>5).sum()
print(arr)
print(result)
結果為：
-20 -19 -18 -17 -16 -15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3
-2 -1 0 1 2 3 4 5 6 7 8 9]
4
可以對數據進行判斷后進行個數求和
其他的數組方法還有
數據的讀取和存儲
線性函數的常用方法
arr=np.array([np.random.randint(1,10,5),np.random.randint(10,20,5)])
print(arr)
print(np.dot(arr,2))
結果為
[[ 4 6 5 1 6]
[14 16 11 10 18]]
[[ 8 12 10 2 12]
[28 32 22 20 36]]
dot方法可以進行矩陣相乘操作
其他方法如下圖
最后我們了解下numpy中的隨機數生成方法
上面的很多例子中我們已經用到了隨機數生成，
arr=np.random.random(10)
print(arr)
結果為
[ 0.90051063 0.72818635 0.00411373 0.13154345 0.45513344 0.9700776
0.42150977 0.27728599 0.50888291 0.62288808]
其他形式的隨機數生成方法
了解以上numpy的操作方法，基本的數據操作問題應該不是很大了。
來自：http://python.jobbole.com/87352/