Python之NumPy实践之数组和矢量计算

1. NumPy（Numerical Python）是高性能科学技术和数据分析的基础包。

2. NumPy的ndarray:一种对位数组对象。NumPy最重要的一个特点是其N维数组对象（即ndarray），该对象是是一个快速而灵活的大数据集容器。

3. 创建ndarray

data1 = [1,2.4,4,3,0]    arr1 = np.array(data1)    除np.array可以创建新数组之外，zeros和ones分别可以创建指定长度或形状的全0或全1数组。empty可以创建一个没有任何具体值的数组。

4. arrage是Python内置函数range的数组版。

5. eye、identity 创建一个正方N x N单位矩阵（对角线为1，其余为0）

6. NumPy主要数据类型：浮点型、复数、整数、布尔值、字符串还有普通的Python对象。

7. 数组和标量之间的计算：数组可以代替循环对数据执行批量操作。这通常称为矢量化（Vectorization）。

8. 不同大小的数组之间的运算叫做广播。

9. 基本的索引和切片

索引：NumPy数组的索引是一个内容丰富的主题，因为选取数据子集或者单个元素的方式有很多。    切片：跟列表最重要的区别在于，数组切片是原始数组的视图。

10. 切片索引：切片是沿着一个轴向选取元素的，可以一次传入多个切片，就像传入多个索引那样。

11. 花式索引（Fancy indexing）是NumPy术语，它指的是利用整数数组进行索引。

12. 数组装置和轴对换：

转置（transpose）是重塑的一种特殊形式，它返回的是源数据的视图（不会进行任何复制操作）。    对于高维数组，transpose需要得到一个由轴编号组成的元组才能对这些轴进行转置。

13. 通用函数：快速的元素级数组函数。通用函数（即ufunc）是一种对ndarray中的数据执行元素级运算的函数。

14. 利用数组进行数据处理

NumPy数组使得可以将许多数据处理任务表述为简洁的数组表达式。用数组表达式代替循环的做法，通常被称为矢量化。

15. 将条件逻辑表述为数组运算：numpy.where函数是三元表达式x if condition else y 的矢量版本。

16. 排序

NumPy数组也可以通过sort方法就地排序，多维数组可以在任何一个轴向上进行排序，只需将轴编号传给sort即可.    顶级方法np.sort返回的是数组的已排序副本，而就地排序则会修改数组本身。

17. 用数组的文件进行输入输出

将数组以二进制格式保存到磁盘：np.save和np.load    存取文本文件:pandas中的read_csv和read_table函数；np.loadtxt或np.genfromtxt