鄙人學習筆記，這個筆記以例子為主。
開發工具：Spyder

---

文章目錄

• • 使用python做數據分析的常用庫
  • numpy概述
  • ndarray數組
  • • 內存中的ndarray對象
    • ndarray數組對象的創建
    • • 創建方式1
      • 創建方式2
      • 創建方式3
      • 創建方式4
      • 舉個例子
    • ndarray對象屬性的基本操作
    • • 數組的維度(np.ndarray.shape)
      • 元素的類型(np.ndarray.dtype)
      • 數組元素的個數(np.ndarray.size)
      • 數組元素索引(下標)
    • ndarray對象屬性操作詳解
    • • numpy的內部基本數據類型
      • 自定義復合數據類型
      • • 舉個例子1
        • 舉個例子2(日期類型的數組)
      • 類型字符碼
      • 類型字符碼格式

---

使用python做數據分析的常用庫

• numpy 基礎數值算法
• scipy 科學計算
• matplotlib 數據可視化
• pandas 序列高級函數

numpy概述

①Numerical Python，數值的Python，補充了Python語言所欠缺的數值計算能力。
②Numpy是其它數據分析及機器學習庫的底層庫。
③Numpy完全標準C語言實現，運行效率充分優化。
④Numpy開源免費。

ndarray數組

ndarray數組是用np.ndarray類的對象表示的n維數組。

• 例子
  

內存中的ndarray對象

• 元數據（metadata）

元數據存儲對目標數組的描述信息，如：dim count(維數)、shape(維度)、dtype(數據類型)、size(元素個數)、data(作為一個指針,指向具體數據)等。

• 實際數據

實際數據是完整的數組數據。
將實際數據與元數據分開存放，一方面提高了內存空間的使用效率，另一方面減少對實際數據的訪問效率，提高性能。

ndarray數組對象的創建

創建方式1

• 語法

np.array(任何可被解釋為numpy數組的邏輯結構)

• 例子

創建方式2

• 語法

np.arange(起始值, 終止值, 步長)

• 例子

創建方式3

• 語法

np.zeros(數組元素個數, dtype = “類型”)

• 例子

創建方式4

• 語法

np.ones(數組元素個數, dtype = “類型”)

• 例子

舉個例子

代碼：

import numpy as npa1 = np.array([[1, 2, 3], [4, 5, 6]]) print(a1, a1.shape)a2 = np.arange(0, 5) print(a2)a3 = np.zeros(5, dtype = 'int32') print(a3)a4 = np.ones(5, dtype = 'float32') print(a4)a5 = np.zeros_like(a1) print(a5)

備注:np.zeros_like(a1)為構造一個維度類似于a1的全0數組。

結果：

• ndarray數組對象的特點

①ndarray數組是同質數組，即所有元素的數據類型必須相同。
②ndarray數組的下標從0開始，最后一個元素的下標為數組長度減1。

ndarray對象屬性的基本操作

數組的維度(np.ndarray.shape)

• 例子

元素的類型(np.ndarray.dtype)

• 例子

備注：【<U11表示11個Unicode字符】

數組元素的個數(np.ndarray.size)

• 例子

備注：size表示底層元素個數，len表示最外層對象個數。

數組元素索引(下標)

• 例子

ndarray對象屬性操作詳解

numpy的內部基本數據類型

類型名類型表示符

布爾型	bool_
有符號整數型	int8(-128~127)/int16/int32/int64
無符號整數型	uint8(0~255)/uint16/uint32/uint64
浮點型	float16/float32/float64
復數型	complex64/complex128
字串型	str_，每個字符用32位Unicode編碼表示

自定義復合數據類型

舉個例子1

我們有以下數據：

import numpy as npdata=[('xb', [90, 80, 85], 15),('dh', [92, 81, 83], 16),('xh', [95, 85, 95], 15) ]

直接將data放入np.array()中:

嗯，報錯了！說明np.array()不能識別我們的data。

我們可以設置dtype，來識別數據：

import numpy as npdata=[('xb', [90, 80, 85], 15),('dh', [92, 81, 83], 16),('xh', [95, 85, 95], 15) ]a01= np.array(data, dtype='U2, 3int32, int32') print(a01)

備注：U代表uniocode字符,2代表兩個，若出現第三個字符，則python會無法識別。int32代表整形，3int32表示包含3個整形的列表。

輸出結果：

我們試著用2種方法讀取數據：

print(a01[2][2]) print(a01[2]['f2']) #f2表示下標為2的字段

結果：

若data中字段比較多，我們可以使用另一種設置dtype的方式：

import numpy as npdata=[('xb', [90, 80, 85], 15),('dh', [92, 81, 83], 16),('xh', [95, 85, 95], 15) ]a02= np.array(data, dtype=[('name', 'str', 2),('scores', 'int32', 3),('age', 'int32', 1)])

讀取數據：

print(a02) print(a02[2]['age'])

結果：

我們可以使用第三種設置dtype的方式：

import numpy as npdata=[('xb', [90, 80, 85], 15),('dh', [92, 81, 83], 16),('xh', [95, 85, 95], 15) ]ary = np.array(data, dtype = {'names':['name', 'scores', 'age'],'formats':['U2', '3int32', 'int32']})

再讀取一下數據：

print(ary) print(ary[2]['name'])

結果：

舉個例子2(日期類型的數組)

數據：

import numpy as npdata = ['2020', '2015-07-01','2012-01-01', '1997-09-28']

直接將data放入np.array(),并將數據和數據類型打印出來：

轉換數據類型， 并將數據和數據類型打印出來:

除此之外，原始數據還可以寫出時、分、秒，但是由于設定轉換的數據類型是精確到Day所以，輸出的結果，不會顯示出時、分、秒：

import numpy as npdata = ['2020', '2015-07-01','2012-01-01', '1997-09-28 11:10:01']d01 = np.array(data) print(d01, d01.dtype)#轉換成精確到天的datetime64數據類型 d02 = d01.astype('M8[D]') print(d02, d02.dtype)

結果：

備注：若日期寫成除了2020-01-01之外的格式(如：2020/01/01)則python無法轉成時間格式。

時間之間做減法：

import numpy as npdata = ['2020', '2020-03-28','2012-01-01', '1997-09-28 11:10:01']d01 = np.array(data) d02 = d01.astype('M8[D]')print(d02[1] - d02[0])

結果：

類型字符碼

內部基本數據類型字符碼(簡寫)

np.bool_	?
np.int8/16/32/64	i1/i2/i4/i8
np.uint8/16/32/64	u1/u2/u4/u8
np.float16/32/64	f2/f4/f8
np.complex64/128	c8/c16
np.str_	U<字符數>
np.datetime64	M8[Y] M8[M] M8[D] M8[h] M8[m] M8[s]

類型字符碼格式

• 格式

<字節序前綴><維度><類型><字節數或字符數>

• 例子

類型字符碼釋義

3i4	大端字節序，3個元素的一維數組，每個元素都是整型，每個整型元素占4個字節。
<(2,3)u8	小端字節序，6個元素2行3列的二維數組，每個元素都是無符號整型，每個無符號整型元素占8個字節。
U7	包含7個字符的Unicode字符串，每個字符占4個字節，采用默認字節序。

• 字節序前綴

字節序前綴含義

<	小端
>	大端
[=]	硬件字節序

總結

以上是生活随笔為你收集整理的Numpy基础(part1)--ndarray数组的全部內容，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。