入门numpy（25%-50%）【解读numpy官方文档】
(点击上方Python爱好者社区，可快速关注)
作者：王大伟
博客专栏：https://www.hellobi.com/u/wangdawei/articles
Python爱好者社区 唯一小编
前言
最近在学习入门python可视化，先后初步探索了seaborn、matplotlib、plotly和ggplot
发现还是pandas的绘图最容易上手，样式也很商务化，学完官方文档之后和大家一起分享
言归正传，今天继续连载numpy入门系列
前文传送门：https://ask.hellobi.com/blog/wangdawei/8708
基本操作
当使用不同类型的数组时，结果得到的数组的类型对应于更一般或精确的数组（称为upcasting的行为）。
import numpy as np
from numpy import pi注：从numpy中导入pi（π）
a = np.ones(3, dtype=np.int32)
a注：创建一个一行三列的矩阵（元素都是1）
b = np.linspace(0,pi,3)
b.dtype.name
注：在0-π之间均匀产生三个等间隔的数字，b的类型是浮点型
c = a+b
c
c.dtype.name
注：得到的c的类型为浮点型
d = np.exp(c*1j)
d
d.dtype.name
注：得到的是复数
许多一元操作，例如计算数组中所有元素的总和，都被实现为ndarray类的方法
a = np.random.random((2,3))
a
注：产生2行3列的随机数组（元素值为0-1之间的随机数）
a.sum()
注：将a数组所有元素求和
a.min()
注：返回a数组中最小的元素值
a.max()
注：返回a数组中的最大值
注意：我们看到的数组和单独取出的最大值保留的小数位数不同
默认情况下，这些操作适用于数组，就像它是数字列表一样，不管其形状如何。 但是，通过指定轴参数，您可以沿着数组的指定轴应用一个操作：
b = np.arange(12).reshape(3,4)
b
注：通过reshape将产生的1行的数组转变为3行4列
b.sum(axis=0)
注：将每一列求和，因为指定了参数axis = 0
b.sum(axis=1)
注：按行求和
b.sum()
注：不加axis参数则是所有元素求和
b.min(axis=1)
注：求每行的最小值
b.cumsum(axis=1)
注：要学会自己查帮助文件
?b.cumsum(axis=1)
是返回沿给定轴的元素的累加和
这是什么意思呢？画个图很好理解：
就是把前面所有的加上自己当前的值得到的结果放在当前位置，就是数列前n项累加和的意思
注意这里是按行累加
通用功能
NumPy提供熟悉的数学函数，如sin，cos和exp。 在NumPy中，这些被称为“通用函数”（ufunc）。 在NumPy中，这些函数在数组上以元素方式运算，产生一个数组作为输出。
B = np.arange(3)
B
注：创建一个数组
np.exp(B)
注：对每个元素求e的某次方
np.sqrt(B)
注：对每个元素开方
C = np.array([2., -1., 4.])
np.add(B, C)
注：将两个数组相加（要求数组形状相同）
如果形状不同，则会报错如下：
查看这部分更多更详细的用法可以看：https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
下图部分：
索引，切片和迭代
一维数组可以被索引，切片和迭代，非常像列表和其他Python序列。
a = np.arange(10)**3
a
注：对数组中每个元素求3次方
a[2]
注：取出序列为2的元素
a[2:5]
注：切片操作
a[:6:2] = -1000
a注： 和 a[0:6:2] = -1000相同; 从最初到序列号6（6取不到）,步长为2，将-1000赋值相应的元素。
a[ : :-1]
注：数组元素逆序排列
for i in a:
print(i**(1/3.))
注：对a数组中每个元素，求1/3次方
结果是nan的我有些不解，-10的3次方不是-1000么
于是我试了试：
希望有了解的大神留言评论指导一下，这个nan暂时跳过吧
多维数组每条轴可以有一个索引。 这些索引以逗号分隔的元组给出：
def f(x,y):
return 10*x+y
注：定义一个函数，参数有两个：x，y
b = np.fromfunction(f,(5,4),dtype=int)
b
注：我们看一下帮助：
?np.fromfunction
指的是，建立5行4列的数组，然后对每个位置元素（i，j）索引代表位置，例如（2，3）位置时，
计算函数值10*2+3=13，所以返回13，其他同理。
b[2,3]注：我们可以取出数组中的元素值，注意行和列索引是用逗号分隔，而不是冒号（冒号是切片）
b[0:5, 1]
注：按照下标索引切片
b[ : ,1]
注：按照下标索引切片
b[1:3, : ]
注：按照下标索引切片
b[-1]
注：这个相当于b[-1,:]
一些省略记法：
例如五维的数组：
x[1,2,...]与 x[1,2,:,:,:]等价
x[...,3] 与 x[:,:,:,:,3] 等价
x[4,...,5,:] 与 x[4,:,:,5,:]等价
c = np.array( [[[ 0, 1, 2],
[ 10, 12, 13]],
[[100,101,102],
[110,112,113]]])
c.shape
注：这是一个三维数组，并显示行、列、高的信息
c[1,...]
注：等同于c[1,:,:] 或c[1]，有点像切蛋糕的感觉，切出一片二维的。
c[...,2]
注：等同于c[:,:,2]、
相对于第一轴完成多维数组迭代：
for row in b:
print(row)
注：有点像三位数组降维成多个一维的感觉
但是，如果要对数组中的每个元素执行操作，可以使用flat属性，该属性是数组的所有元素的迭代器：
for element in b.flat:
print(element)
注：这是取出多维数组中所有元素的一个不错方法
查看这部分更多更详细的用法可以看：https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
下图部分：
对形状操作
改变数组的形状
a = np.floor(10*np.random.random((3,4)))
a
注:通过？np.floor()
我们只到，该方法是向下取整的意思
例如：
num = np.array([-1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])
np.floor(num)
向下取整就是指一个数字往减小的方向取到最近的值，例如上面例子的-1.7变成-2.0
所以这是产生随机整数的方法，但这里的数字是float不是int类型
可以通过各种命令改变阵列的形状。 请注意，以下三个命令都返回一个修改的新数组，不更改原始数组：
a.ravel()
注：将数组改成一维
a.reshape(6,2)
注：将数组转化为指定形状
a.T
注：数组转置，和矩阵转置一样理解
a.T.shape
矩阵转置之后的形状
a.shape
注：原来矩阵的形状
至此，numpy入门完成了一半，还有两篇完结，之后咱写可视化吧，哈哈~
未完待续~近期更新~谢谢观赏~希望对你学习有帮助~
关注公众号，“Python爱好者社区”，回复“爬虫”即可获取崔老师爬虫免费学习视频。
为大家提供与Python相关的最新技术和资讯。
长按指纹 > 识别图中二维码 > 添加关注