1. Numpy(Numberical Python)

Anaconda中已經集成了NumPy，可以直接使用。如果想要自行安裝的話，可以使用流行的Python
包安裝程序 pip 來安裝 NumPy，目前使用的是Anaconde的環(huán)境進行學習和使用這個庫

1.1 這庫的安裝方法

CMD ：pip install numpy
或者使用清華源的鏡像庫：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
（直接復制可用）
如果想查看這個庫的版本：

import numpy as np
np.__version__

其實很多其他庫也可以用這個方法進行查看庫的版本

2.Numpy的基礎操作

Numpy的操作對象是一個ndarray，所以在使用這個庫進行計算的時候需要將數(shù)據(jù)進行轉化

2.1 數(shù)組的創(chuàng)建：np.arrary()

np.array 可以把 list，tuple或者其他的序列模式的數(shù)據(jù)轉創(chuàng)建為 ndarray，默認創(chuàng)建一個新的
ndarray

我們會發(fā)現(xiàn)原來數(shù)據(jù)里面有int, float型的數(shù)據(jù)都被轉換成相同的類型了，統(tǒng)一轉變成float型的數(shù)據(jù)了，因為Numpy是要求array里面的數(shù)據(jù)類型是一致的

2.2 N維數(shù)組的創(chuàng)建

Numpy不僅可以生成一維數(shù)組，也可以生成多維數(shù)組。
比如，可以生成如下的二維數(shù)組：

2.3 常用數(shù)組

2.4 線性數(shù)組的生成

2.5 數(shù)組的運算

數(shù)組的運算時對應位置的元素進行簡單的四則運算

這里需要注意的是，數(shù)組x和數(shù)組y的元素個數(shù)是相同的（兩者均是元素個數(shù)為3的一維數(shù)組）
當兩者元素個數(shù)相同時，可以對各個元素進行算術運算。如果元素個數(shù)不同，則會報錯，所以保
持元素個數(shù)一致非常重要。
此外，Numpy數(shù)組不僅可以進行對應元素的算術運算，還可以和單一的數(shù)值（標量）組合起來進
行運算（這個功能也被稱為廣播，后面會詳細介紹），比如：

會把數(shù)據(jù)轉成數(shù)組默認的float的數(shù)據(jù)類型

2.6 數(shù)組的形狀變換

我們先定義一個數(shù)組

如果數(shù)組的量級比較大，對于計算的時候只知道其他的一個維度數(shù)字，則可以使用下面的-1，作為占位符，會自動幫你補齊另外一個維度的信息

除此之外，還有一種比較常用的數(shù)組拉平方法， m.flatten()以及m.ravel()，這兩種方法類似

3. 數(shù)組的索引

可以將這個二維的數(shù)組看成一個矩陣，3行四列， 通過數(shù)字的下標索引進行提取數(shù)字，這里的切片操作還是左閉右開的

4.廣播功能

術語廣播是指 NumPy 在算術運算期間處理不同形狀的數(shù)組的能力。
廣播可以簡單理解為用于不同大小數(shù)組的計算（加、減、乘、除等）的一組規(guī)則。
如果數(shù)組的形狀相同，則對相應元素逐個計算，但是如果數(shù)組的維度不相同，就需要用到廣播機制

Numpy的廣播遵循一組嚴格的規(guī)則：

規(guī)則1：如果兩個數(shù)組的維度數(shù)不相同，那么小維度數(shù)組的形狀將會在最左邊補1規(guī)則2：如果兩個數(shù)組的形狀在任何一個維度上都不匹配，那么數(shù)組的形狀會沿著維度為1的維度擴展以匹配另外一個數(shù)組的形狀規(guī)則3：如果兩個數(shù)組的形狀在任何一個維度上都不匹配并且沒有任何一個維度為1，則會引 發(fā)異常無法廣播

到此這篇關于Python數(shù)據(jù)清洗工具之Numpy的基本操作的文章就介紹到這了,更多相關Python數(shù)據(jù)清洗內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論