python数据分析工具包（1）——Numpy（一）

　　　　在本科阶段，我们常用的科学计算工具是MATLAB。下面介绍python的一个非常好用而且功能强大的科学计算库——Numpy。

• a powerful N-dimensional array object（一个强大的N维数组对象）
• sophisticated (broadcasting) functions （先进的（广播？）函数）
• tools for integrating C/C++ and Fortran code（集成的C / C++和Fortran代码工具）
• useful linear algebra, Fourier transform, and random number capabilities（有用的线性代数，傅立叶变换和随机数能力）

　　　　以上是官方文档的介绍，具体资料可以按参考这个网站： http://www.numpy.org/

　　　　依旧是pip install numpy安装这个包。我们在ipython中举一些例子来学习它的一些常用操作。当然在此之前，建议先了解一下矩阵等相关的数学知识，就当温习一下大学的线代高数部分了。

 #导入numpy
 >>> import numpy as np
 #生成一个指定内容的数组
 >>> a = np.arange(15).reshape(3, 5)
 >>> a
 array([[ 0,  1,  2,  3,  4],
        [ 5,  6,  7,  8,  9],
        [10, 11, 12, 13, 14]])
 >>> a.shape     #数组行列数
 (3, 5)
 >>> a.ndim    #数组维度
 2
 >>> a.dtype.name  #数组中元素类型
 'int64'
 >>> a.itemsize   #数组中每个元素的字节大小
 8
 >>> a.size   #数组元素的总数
 15
 >>> type(a)  #输出a的属性
 <type 'numpy.ndarray'>
 #直接给定元素生成数组
 >>> b = np.array([6, 7, 8])
 >>> b
 array([6, 7, 8])
 >>> type(b)
 <type 'numpy.ndarray'>

　　　　numpy可以生成指定的数组。

 C:\Users\Administrator\Desktop
 λ ipython
 Python 3.6.4 (v3.6.4:d48eceb, Dec 19 2017, 06:54:40) [MSC v.1900 64 bit (AMD64)]
 Type 'copyright', 'credits' or 'license' for more information
 IPython 6.2.1 -- An enhanced Interactive Python. Type '?' for help.

 In [1]: import numpy as np

 In [2]: a=np.zeros([3,4])      #生成全零阵

 In [3]: a
 Out[3]:
 array([[0., 0., 0., 0.],
        [0., 0., 0., 0.],
        [0., 0., 0., 0.]])

 In [4]: b=np.ones([3,4])   #生成全1阵

 In [5]: b
 Out[5]:
 array([[1., 1., 1., 1.],
        [1., 1., 1., 1.],
        [1., 1., 1., 1.]])

 In [6]: c=np.random.rand(3,4)     #生成随机阵

 In [7]: c
 Out[7]:
 array([[0.36417168, 0.24336724, 0.78826727, 0.42894367],
        [0.77198615, 0.95897315, 0.25628233, 0.53995372],
        [0.02777746, 0.25093856, 0.14544893, 0.10475779]])

 In [8]: d=np.eye(3)     #生成单位阵

 In [9]: d
 Out[9]:
 array([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

 In [10]: e=np.mat([[1,2,3],[4,5,6],[7,8,9]])   #矩阵化

 In [11]: e
 Out[11]:
 matrix([[1, 2, 3],
         [4, 5, 6],
         [7, 8, 9]])

 In [12]: f=np.power(e,2)    #计算N次幂

 In [13]: f
 Out[13]:
 matrix([[ 1,  4,  9],
         [16, 25, 36],
         [49, 64, 81]], dtype=int32)

 In [14]: g=f.T     #求转置矩阵

 In [15]: g
 Out[15]:
 matrix([[ 1, 16, 49],
         [ 4, 25, 64],
         [ 9, 36, 81]], dtype=int32)

 In [16]:

　　　　下面对array（）和mat（）做一个区分。初学者很容易混淆。

　　　　np.array(a)  是将列表数组化，　它与另一个narray的乘法并不是按照矩阵乘法进行的，而是对应元素相乘　。而mat（），在上面的例子可以清楚地看出来，他生成的对象是一个matrix。即将数组矩阵化。对矩阵使用shape（）方法，会返回矩阵的维度，而数组则会返回它的行和列。详细资料可以参考官方文档。