数据分析进阶

numpy

numpy提供了一种数组类型，高维数组，提供了数据分析的运算基础（业务表一般就是二维）
import numpy as np
导入numpy库，并查看numpy版本
np._version_

创建array

数据类型一致的一个连续的内存空间，python的列表list不要求数据类型一致
numpy的设计初衷是用于运算的，所以对数据类型进行统一化
如果传进来的列表包含不同的类型，则统一为同一类型，优先级：str>float>int

创建一个numpy的数组

array = np.array([1])

参数介绍：
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

• dtype数据类型，可选
• copy对象是否需要复制，可选
• order创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
• subok默认返回一个与基类类型一致的数组
• ndmin指定生成数组的最小维度

创建高维数组

1. * np.ones(shape,dtype=None,order='C')

以1填充的数组
shape =(m,n) m行n列 二维数组
shape = （m） m个元素的一维数组
shape = （m，） m个元素的一维数组

shape = (m,1) m行1列的二维数组
shape = （1，n） 1行n列的二维数组

`#构造一个5行3列的二维数组`
np.ones(shape=(5,3),dtype=np.int(8))

#构造一个长度为3的一维数组
np.ones(shape=(3))

2. * np.zeros(shape,dtype=float,order='C')

以0填充数组

3. * np.full(shape,fill_value,dtype=None,order='C')

fill_value是填充值，填充值填充数组

4. * np.eye(N,M=None,k=0,dtype=float)

单位矩阵的构造方式
对角线为1其他位置为0
N控制阶数，M和N默认相等，k控制对角线位移

5. np.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)

生成等差数列方法一
七时至，终止值，个数
np.linspace(0,10,10,endpoint=False)生成一个从0到9（因为endpoint为False）的等差数列，一共十个数

6. np.arrange([start,] stop, [step,] dtype=None)

生成等差数列方法二
七十至，终止值，步长
np.arrange(0,10,step=1)
生成一个0-9的数组

7. np.random.randint(low,high=None,size=None,dtype='|')

size相当于shape
生成随机整数
np.random.randint(0,100,size=(5,5))

8.正态函数分布

• np.randaom.randn(d0,d1,...,dn)标准正态分布
• np.random.normal()普通正态分布
  标准
  np.random.randn(3,5)
  普通
  np.random.normal(loc=170,scale=5,size=(5,3))
  loc数学期望，scale方差

9. np.random.random(size=None)

生成0-1的随机小数，左闭右开
np.random.random(size=100)
np.random.random(5,3)

10. np.random.permutation(10)

生成0-9的随机无序整数索引