数据分析与表示

Numpy库入门

Numpy库的数组对象：ndarray

Numpy库的引用：
1
import numpy as np
N维数组对象：ndarray

ndarray是一个多维数组对象，由实际的数据、描述这些数据的元数据（数据维度、类型等）两部分构成。

ndarray数组一般要求所有元素类型相同（同质），数组下标从零开始。

用np.array()生成一个ndarray数组的例子：

np.array()输出成[]形式，元素由空格分隔。有两个重要概念：

轴（axis）：保存数据的维度
秩（rank）：轴的数量

五个基本属性如下：

例子：

ndarray元素类型：

当ndarray数组由非同质对象构成的时候，非同质ndarray元素为对象类型，无法有效发挥Numpy优势，尽量避免使用。

ndarray数组的创建和变换

ndarray数组的创建

从python中的列表、元组等类型创建ndarray数组

1
2
3

x = np.array(list)
x = np.array(tuple)
x = np.array(list, dtype=np.float32)	#可以用dtype来指定数组类型，当不指定时候会根据数据情况关联一个dtype类型。

使用Numpy中函数创建ndarray数组

注意除了arange其余默认都是生成浮点数类型，除非加以dtype指定，如下：

使用Numpy中其他函数创建ndarray数组

例子：

ndarray数组的变换

ndarray数组的操作

索引和切片

和python很类似

ndarray数组的运算

数组与标量的运算作用于数组的每一个元素。

Numpy数据存取与函数

数据的csv文件存取

csv文件（一二维数据的存取）

csv文件是一种常见的文件格式，用来存储批量数据。

np中存入csv文件的方法：

读入：

csv缺点是只能存储一维和二维数组，np.savetxt()和np.loadtxt()只能有效存储一维和二维数组。

多维数据的存取

a.tofile()

例子如下，注意不像csv会分开，而是会丢失维度信息。

如果不指定sep的话会存储为二进制文件，无法直接读取，但是会占用更小的空间。

np.fromfile() 读取文件，可以通过reshape恢复维度信息

例子：

np的便捷文件存取

例子：

Numpy的随机数函数

Numpy的random子库，用法：np.random.*

Numpy的统计函数

np.*

示例

Numpy的梯度函数

例子

实例：图像的手绘效果

图像的数组表示

小护士

from PIL import Image
import numpy as np

im = np.array(Image.open("小护士.jpg"))
print(im.shape, im.dtype)

输出结果为：

1	(640, 639, 3) uint8

说明图像是一个三维数组，维度分别是高度、宽度、像素rgb值。