AI数据分析（二）

NumPy库

NumPy数组对象
NumPy数据类型
数组的索引
数组的切片
数组的组合
数组的分割
数组的属性

NumPy数组对象

NumPy数据类型

#numpy数据类型
print "In: float64(42)"
print np.float64(42)

print "In: int8(42.0)"
print np.int8(42.0)

print "In: bool(42)"
print np.bool(42)

print np.bool(0)

print "In: bool(42.0)"
print np.bool(42.0)

print "In: float(True)"
print np.float(True)
print np.float(False)

print "In: arange(7, dtype=uint16)"
print np.arange(7, dtype=np.uint16)


print "In: int(42.0 + 1.j)"

# 数据类型转换
arr = np.array([1, 2, 3, 4, 5])
arr.dtype
float_arr = arr.astype(np.float64)
float_arr.dtype

arr = np.array([3.7, -1.2, -2.6, 0.5, 12.9, 10.1])
arr
arr.astype(np.int32)

numeric_strings = np.array(['1.25', '-9.6', '42'], dtype=np.string_)
numeric_strings.astype(float)

import numpy as np
a = np.array([[1,2],[3,4]])
print(a.dtype.byteorder) #=

print(a.dtype.itemsize) #4

print np.arange(7, dtype='f')
print np.arange(7, dtype='D')

print np.dtype(float)

print np.dtype('f')

print np.dtype('d')


print np.dtype('f8')

print np.dtype('Float64')

#dtype类的属性
t = np.dtype('Float64')

print t.char

print t.type

print t.str

#创建自定义数据类型
t = np.dtype([('name', np.str_, 40), ('numitems', np.int32), ('price', np.float32)])
print t

print t['name']

itemz = np.array([('Meaning of life DVD', 42, 3.14), ('Butter', 13, 2.72)], dtype=t)

print itemz[1]

数组操作

数组与标量之间的运算

#创建多维数组
m=np.array([np.arange(2),np.arange(2)])
print(m)
print(m.shape)
print(m.dtype)

#数组与标量的运算
arr = np.array([[1., 2., 3.], [4., 5., 6.]])
arr
arr * arr

　　　　　　　结果：　array([[ 1., 4., 9.],
　　　　　　　　　　[16., 25., 36.]])

arr - arr

1 / arr
arr ** 0.5

数组的索引

#布尔型索引
names = np.array(['Bob', 'Joe', 'Will', 'Bob', 'Will', 'Joe', 'Joe'])
data = randn(7, 4)
names
data

names == 'Bob'
data[names == 'Bob']

data[names == 'Bob', 2:]
data[names == 'Bob', 3]

names != 'Bob'
data[-(names == 'Bob')]

mask = (names == 'Bob') | (names == 'Will')
mask
data[mask]

data[data < 0] = 0
data

data[names != 'Joe'] = 7
data

#花式索引
arr = np.empty((8, 4))
for i in range(8):
    arr[i] = i
arr

arr[[4, 3, 0, 6]]

arr[[-3, -5, -7]]

arr = np.arange(32).reshape((8, 4))
arr
arr[[1, 5, 7, 2], [0, 3, 1, 2]]

arr[[1, 5, 7, 2]][:, [0, 3, 1, 2]]

arr[np.ix_([1, 5, 7, 2], [0, 3, 1, 2])]

数组的切片

#多维数组的切片与索引
b = np.arange(24).reshape(2,3,4)  #生成二维数组，三行四列

print b.shape

print b
#array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

print b[0,0,0]

print b[:,0,0]

print b[0]

print b[0, :, :]

print b[0, ...]

print b[0,1]

print b[0,1,::2]

print b[...,1]

print b[:,1]

print b[0,:,1]

print b[0,:,-1]

print b[0,::-1, -1]


print b[0,::2,-1]

print b[::-1]

s = slice(None, None, -1)
print b[(s, s, s)]

数组的组合

#数组转置
arr = np.arange(15).reshape((3, 5))
arr
arr.T

#改变数组的维度
b = np.arange(24).reshape(2,3,4)

print b

print b.ravel()

print b.flatten()

b.shape = (6,4)

print b

print b.transpose()

b.resize((2,12))

print b

#组合数组
a = np.arange(9).reshape(3,3)

print a

b = 2 * a

print b

print np.hstack((a, b))   水平组合

print np.concatenate((a, b), axis=1)

print np.vstack((a, b))   垂直组合

print np.concatenate((a, b), axis=0)

print np.dstack((a, b))   深度组合

oned = np.arange(2)

print oned

twice_oned = 2 * oned

print twice_oned

print np.column_stack((oned, twice_oned))  列组合

print np.column_stack((a, b))

print np.column_stack((a, b)) == np.hstack((a, b))

print np.row_stack((oned, twice_oned))

print np.row_stack((a, b))

print np.row_stack((a,b)) == np.vstack((a, b))

数组的分割

#数组的分割
a = np.arange(9).reshape(3, 3)

print a

print np.hsplit(a, 3)   水平分割

print np.split(a, 3, axis=1)

print np.vsplit(a, 3)  垂直分割

print np.split(a, 3, axis=0)

c = np.arange(27).reshape(3, 3, 3)

print c

print np.dsplit(c, 3)

数组的属性

#数组的属性
b=np.arange(24).reshape(2,12)
b.ndim  维度
b.size   数组元素总个数
b.itemsize  元素占的字节数
b.nbytes

b = np.array([ 1.+1.j,  3.+2.j])
b.real  实部
b.imag   虚部

b=np.arange(4).reshape(2,2)
b.flat
b.flat[2]


#数组的转换
b = np.array([ 1.+1.j,  3.+2.j])
print b

print b.tolist()  转化成python中的列表

print b.tostring()

print np.fromstring('x00x00x00x00x00x00xf0?x00x00x00x00x00x00xf0?x00x00x00x00x00x00x08@x00x00x00x00x00x00x00@', dtype=complex)

print np.fromstring('20:42:52',sep=':', dtype=int)

print b

print b.astype(int)

print b.astype('complex')