Python学习-Numpy数据处理

引文

标准的python中用list保存数值，可以当数组使用。但由于列表的元素是任意对象，因此列表中保存的是对象的指针。对于数值运算来说，这种结构显然会浪费内存和CPU计算时间。

此外，python还提供了array模块，但由于其不支持多维数组，因此也不适合数值计算。

So，Numpy正好弥补了这些不足，Numpy提供了两个基本的对象：ndarray和ufunc。ndarray是存储单一数据类型的多维数组，而ufunc是能够对数组进行处理的函数。

导入方法

import numpy as np

list转array：采用的是numpy自带的array转换方法

>>>list=[1,2]
>>>_array = np.array(lists)

array转list： nunpy的array转list同样非常方便，直接使用tolist()方法即可

>>>_list = _array.tolist()

使用numpy的random.shuffle方法对给定的一组有序序列生转换成一个随机序列

>>>arr = np.arange(1000) #生成一个序列，from 0 to 999
>>>np.random.shuffle(arr)

将numpy的数组格式数据以文本格式保存

>>>np.savetxt("a.txt",a,fmt="%d",delimiter=‘\t‘)

将python列表转为numpy格式：

>>>pyList = [5, 11, 122]
>>>mat(pyList)

一个例子：

>>> from numpy  import *
>>> a = arange(15).reshape(3, 5)
>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
>>> a.shape
(3, 5)
>>> a.ndim
2
>>> a.dtype.name
‘int32‘
>>> a.itemsize
4
>>> a.size
15
>>> type(a)
numpy.ndarray
>>> b = array([6, 7, 8])
>>> b
array([6, 7, 8])
>>> type(b)
numpy.ndarray

数组创建

>>> from numpy import *
>>> a = array( [2,3,4] )
>>> a
array([2, 3, 4])
>>> a.dtype
dtype(‘int32‘)
>>> b = array([1.2, 3.5, 5.1])
>>> b.dtype
dtype(‘float64‘)

比较两种创建方式，其中第一种是错误的

>>> a = array(1,2,3,4)    # WRONG
>>> a = array([1,2,3,4])  # RIGHT

二维数组创建

>>> b = array( [ (1.5,2,3), (4,5,6) ] )
>>> b
array([[ 1.5,  2. ,  3. ],
       [ 4. ,  5. ,  6. ]])