Data Analysis with Python——07

[hsipeng]

Data Analysis with Python——07

numpy 高级应用

ndarray 内部组成

• 一个指向数组（一个系统内存块）的指针
• 数据类型或dtype
• 一个表示数组形状(shape)的元组
• 一个跨度元组(stride)。 其中的整数指的是为了前进到当前维度下一个元素需要“跨过”的字节数

Numpy 数据类型体系

dtype 都有一个超类(比如np.integer, np.floating), 他们可以跟np.issubdtype 函数结合使用

ints = np.ones(10, dtype=np.uint16)
floats = np.ones(10, dtype=np.float32)

np.issubdtype(ints.dtype, np.integer)
# True

np.issubdtype(floats.dtype, np.floating)

dtype.mro 可以查看其所有的父类

数组重塑

reshape

arr = np.arange(8)
arr
# array([0, 1, 2, 3, 4, 5, 6, 7])

arr.reshape((4, 2))
# array([[0, 1],
#			[2, 3],
#			[4, 5],
#			[6, 7]])

扁平化

ravel
flatten 产生副本

arr.ravel()
# array([0, 1, 2, 3, 4, 5, 6, 7]

arr.flatten
# array([0, 1, 2, 3, 4, 5, 6, 7]

C 和 Fortran 顺序
Fortran 矩阵列优先
C 行优先

数组的合并和拆分

合并

• numpy.concatenate
• np.vstack np.hstack

arr1 = np.array([[1, 2, 3], [4, 5, 6]])

arr2 = np.array([[7, 8, 9], [10, 11, 12]])

np.concatenate([arr1, arr2], axis=0)
# OR np.vstack((arr1, arr2))
# array([[ 1,  2,  3],
#        [ 4,  5,  6],
#        [ 7,  8,  9],
#        [10, 11, 12]])
np.concatenate([arr1, arr2], axis=1)
# OR np.hstack((arr1, arr2))
# array([[ 1,  2,  3,  7,  8,  9],
#        [ 4,  5,  6, 10, 11, 12]])

拆分
np.split

广播