学习使我幸福

## 1. numpy简介
numpy是高性能科学计算和数据分析的基础包，它是pandas等工具的基础。

numpy的主要功能：
- ndarray，一个多维数组结构，高效且节省空间
- 无需循环对整组数据进行快速运算的数学函数
- 线性代数、随机数生成和傅里叶变换功能

安装方法：`pip install numpy`
导入方式：`import numpy as np`

## 2. ndarray 多维数组对象
创建ndarray：`np.array(array_like)`
数组与列表的区别：
- 数组对象内的元素类型必须相同
- 数组大小不可修改（元素总数）

## 3. ndarray 常用属性
- T：数组的转置（对高维数组而言）
  $$
  \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ \end{pmatrix}
  \Rightarrow
  \begin{pmatrix} 1 & 4 \\ 2 & 5 \\  3 & 6 \\ \end{pmatrix}
  $$
- size：数组元素的个数
- ndim：数组的维数
- shape：数组的维度大小（形状或结构）元组形式
- dtype：数组元素的数据类型

## 4. ndarray 数据类型
- 布尔型：bool_
- 整型：int_, int8, int16, int32, int64
- 无符号类型：uint8, uint16, uint32, uint64
- 浮点型：float_, float16, float32, float64
- 复数型：complex_, complex64, complex128

## 5. ndarray 创建
|方法|说明|
|----|----|
|array()|将列表转换为数组，可选择显式指定dtype|
|arange()|range的numpy版，支持浮点数|
|linspace()|类似于arange()，第三个参数为数组的长度|
|zeros()|根据指定形状和dtype创建全0数组|
|ones()|根据指定形状和dtype创建全1数组|
|empty()|根据指定形状和dytpe创建空数组(元素的值为随机值，是内存残留值)|
|eye()|根据指定边长和dtype创建单位矩阵|

## 6. ndarray 批量运算
- 数组和标量之间的运算
  - a + 1
  - a * 3
  - 1 // 3
  - a ** 0.5
  - a > 5
- 同样大小数组之间的运算
  - a + b
  - a / b
  - a ** b
  - a % b
  - a == b

## 7. ndarray 索引
- 一维数组的索引：a[5]
- 多维数组的索引：
  - 列表式写法：a[5][3]
  - 新式写法：a[5,3]

## 8. ndarray 切片
- 一维数组的切片：a[5:8], a[4:], a[2:10]=1
- 多维数组的切片：a[1:2, 3:4], a[:, 3:5], a[:, 1]
- 数组切片与列表切片的不同：
  数组切片时不会自动复制，而是创建一个视图，在切片数组上的修改会影响原数组。
  copy()方法可以创建数组的深拷贝

## 9. ndarray 布尔型索引
> 问题1：给一个数组，选出数组中所有大于5的数。
答案：a[a>5]
问题2：给一个数组，选出数组中所有大于5的偶数。
答案：a[(a > 5) & (a % 2 == 0)]
问题3：给一个数组，选出数组中所有大于5的数和偶数
答案：a[(a >5) | (a % 2 == 0)]

原理说明：
- 数组与标量的运算：a>5会与a中的每一个元素进行判断，返回一个布尔数组
- 布尔型索引：将同样大小的布尔数组传进索引，会返回一个由所有true对应位置的元素的数组

## 10. ndarray 花式索引
> 问题1：对于一个数组，选出其第1，3，4，6，7个元素，组成新的二维数组。
答案：a[[1, 3, 4, 6, 7]]
问题2：对一个数组，选出其第一列和第三列，组成新的二维数组
答案：a[:, [1, 3]]

## 11. numpy 通用函数
- 通用函数：能同时对数组中的所有元素进行运算的函数
- 常见通用函数：
  - 一元函数：**abs**，**sqrt**，exo，log，**ceil**，**floor**，**rint**，**trunc**，**modf**，**isnan**，**isinf**，cos，sin，tan
  - 二元函数：add，substrat，multiply，divide，power，mod，**maximum**，**mininum**

## 12. 浮点数特殊值
- nan（Not a Number）：不等于任何浮点数（nan != nan）
- inf（infinity）：比任何浮点数都大
- numpy中创建特殊值：np.nan    np.inf
- 在数据分析中，nan常被用作表示数据缺失值

## 13. numpy 数学和统计方式
- sum：求和
- mean：求平均值
- std：求标准差
- var：求方差
- min：求最小值
- max：求最大值
- argmin：求最小值索引
- argmax：求最大值索引

## 14. numpy 随机数生成
随机数函数在np.random子包内：

- rand    	给定形状产生随机数组（1>rand>0之间的数）
- randint       给定形状产生随机整数
- choice        给定形状产生随机选择
- shuffle       与random.shuffle相同
- uniform       给定形状产生随机数组

Python模块 - numpy