数据可视化入门
" 本文字数：1016 字 ||
阅读时间：3 分钟 "
NumPy
导入方式：
import numpy as np
高性能科学计算和数据分析的基础包
ndarray，多维数组（矩阵），具有矢量运算能力，快速、节省空间
矩阵运算，无需循环，可完成类似Matlab中的矢量运算
线性代数、随机数生成
ndarray，N维数组对象（矩阵）
所有元素必须是相同类型
ndim属性，维度个数
shape属性，各维度大小
dtype属性，数据类型
创建ndarray
np.array(collection)，collection为序列型对象(list)，嵌套序列 (list of list)
np.zeros, np.ones，np.empty 指定大小的全0或全1数组
注意：第一个参数是元组，用来指定大小，如(3,4)
empty不是总是返回全0，有时返回的是未初始的随机值
创建ndarray
np.arange() 类似 range() 注意是 arange。
数据类型
dtype, 类型名+位数，如 float64, int32
转换数组类型 - astype
矢量化
矢量运算，相同大小的数组键间的运算应用在元素上
矢量和标量运算，“广播”— 将标量“广播”到各个元素
索引与切片
一维数组的索引与Python的列表索引功能相似
多维数组的索引
arr[r1:r2, c1:c2]
arr[1,1] 等价 arr[1][1]
[:] 代表某个维度的数据
条件索引
布尔值多维数组 arr[condition] condition可以是多个条件组合
注意，多个条件组合要使用 & |，而不是and or
维数转换
转置 transpose
高维数组转置要指定维度编号 (0,1,2,…)
通用函数
元素级运算 常用的通用函数
ceil, 向上最接近的整数
floor, 向下最接近的整数
rint, 四舍五入 • isnan, 判断元素是否为 NaN(Not a Number)
multiply，元素相乘
divide, 元素相除
np.where
矢量版本的三元表达式 x if condition else y
np.where(condition, x, y) 常用的统计方法
np.mean, np.sum,
np.max, np.min
np.std, np.var
np.argmax, np.argmin
np.cumsum, np.cumprod
注意 多维的话要指定统计的维度，否则默认是全部维度上做统计。
np.all和np.any
all，全部满足条件
any，至少有一个元素满足条件 np.unique
找到唯一值并返回排序结果 操作文本文件
读取 - np.loadtxt