Python数据处理（2）-NumPy的ndarray

NumPy是Python中众多科学软件包的基础。它提供了一个特殊的数据类型ndarray，其在向量计算上做了优化。这个对象是科学数值计算中大多数算法的核心。下面，我们将介绍ndarray的一些基本操作。

1.创建ndarray对象

创建多维数组最简单的方法就是使用np.array函数，它接受序列型的对象（包括列表和元组）以及嵌套序列。

np.arange函数和内置的range类似，只是返回的是一个ndarray对象而不是列表。

2.基本属性：shape和dtype

ndarray对象包括了两个最基本的属性，一个是shape（表示各维度大小），一个是dtype（表示数组数据类型）。

我们可以用reshape函数改变数组的shape。常用的数组数据类型包括int32和float32，使用array创建多维数组时会自行选择合适的数据类型。当然，你可以通过astype函数显示地修改数据类型。

3.数组和标量之间的运算

ndarray的向量运算使你不用编写循环就可以对数据进行批量运算。大小相等的数组之间的任何算数运算都会将运算应用到元素级。同样，数组和标量的算数运算也会将那个标量值传播到每个元素。

除了一些简单的运算外，通用函数提供元素级的函数运算，常见的包括绝对值、平方根、指数和对数等。

4.索引和切片

和列表对象一样，ndarray提供了非常方便的索引和切片机制。对于高维度数组，你可以传入不同维度的索引来获取元素，如果省略后面的索引，则返回的对象会是一个维度低一点的ndarray对象。

同样，对于高纬度数组，你可以在一个轴或多个轴上进行切片，你甚至可以在不同轴上混合使用索引和切片操作。

另外，通过布尔型索引设置值是一种经常使用的操作。布尔型数组中的元素是布尔值，大小和需要索引的数组相同，返回布尔值为True的位置的元素生成的ndarray副本。