Numpy python数据分析超详细讲解

1.Numpy简介

Numpy是python的一种开源的数值计算扩展；Numpy可用来存储和处理大型矩阵；Numpy支持大量的维度数组与矩阵运算。

2.数据类型

Numpy最基本最常用的数据类型是ndarray（n维数组），其中的很多方法也是针对ndarray对象而开发的；其与python自带数据类型list（列表）基本无差别；因此对于list对象的操作都可以运用到ndarray对象上。

3.Numpy总览

---

数据生成

生成ndarray对象的方法汇总

函数	实例
np.array	np.array([1,2,3,4,5])
np.arange	np.arange(1,10)
np.linspace	np.linspace(1,10,10)
np.ones	np.ones((2,2))
np.ones_like	np.ones_like([[1,2,3],[3,2,1]])
np.zeros	np.zeros((3,2))
np.zeros_like	np.zeros_like([[3,2,1],[1,2,3]])
np.empty	np.empty((3,4))
np.empty_like	np.empty_like([[1,2,3],[3,2,1]])

import numpy as np

np.array([1,2,3,4,5])
np.arange(1,10)
np.linspace(1,10,10)
np.ones((2,2))
np.ones_like([[1,2,3],[3,2,1]])
np.zeros((3,2))
np.zeros_like([[3,2,1],[1,2,3]])
np.empty((3,4))
np.empty_like([[1,2,3],[3,2,1]])

---

数据结构

函数	实例
np.size	np.size(np.ones((3,4)))
np.shape	np.shape(np.ones((3,4)))
np.split	np.split(np.ones((3,4)),1)
np.reshape	np.ones((3,4)).reshape(2,6)
np.concatenate	np.concatenate(ones((3,4)))
np.transpose	np.ones((3,4)).transpose( )

import numpy as np

np.size(np.ones((3,4)))
np.shape(np.ones((3,4)))
np.split(np.ones((3,4)),1)
np.ones((3,4)).reshape(2,6)
np.concatenate(ones((3,4)))
np.ones((3,4)).transpose( )

---

np.random

np.random模块可以用于生成呈各种分布的数据

函数	实例
np.random.rand	np.random.rand(2,3)
np.random.randn	np.random.randn(3,4)
np.random.gamma	np.random.gamma(3,10)
np.random.normal	np.random.normal(0,1)
np.random.randint	np.random.randint(0,10,10)

import numpy as np

np.random.rand(2,3)
np.random.randn(3,4)
np.random.gamma(3,10)
np.random.normal(0,1)
np.random.randint(0,10,10)

---

数值计算

函数	实例
np.sin	np.sin(10)
np.cos	np.cos(60)
np.exp	np.exp(4)
np.power	np.power(2,3)

import numpy as np

np.sin(10)
np.cos(60)
np.exp(4)
np.power(2,3)

---

数据分析

函数	实例
np.abs	np.abs(np.arange(-5,4))
np.sum	np.sum([1,2,3])
np.var	np.var([1,2,3])
np.std	np.std([1,2,3])
np.mean	np.mean([1,2,3])
np.sqrt	np.sqrt([4,9,16])
np.floor	np.floor([2.1,3.7,4.3])
np.ceil	np.ceil([2,1,3.7,4.3])
np.median	np.median([3,2,4])
np.cumsum	np.cumsum([[1,2,3],[3,2,1]])
np.cumprod	np.cumprod([[1,2,3],[3,2,1]])

import numpy as np

np.abs(np.arange(-5,4))
np.sum([1,2,3])
np.var([1,2,3])
np.std([1,2,3])
np.mean([1,2,3])
np.sqrt([4,9,16])
np.floor([2.1,3.7,4.3])
np.ceil([2,1,3.7,4.3])
np.cumsum([[1,2,3],[3,2,1]])
np.cumprod([[1,2,3],[3,2,1]])

---

索引

函数	实例
np.argmin	np.argmin([4,2,1,6,8])
np.argmax	np.argmax([4,2,1,6,8])

import numpy as np

np.argmin([4,2,1,6,8])
np.argmax([4,2,1,6,8])

Ending