利用Python进行数据分析(4) NumPy基础: ndarray简单介绍

一、NumPy 是什么

NumPy 是 Python 科学计算的基础包，它专为进行严格的数字处理而产生。在之前的随笔里已有更加详细的介绍，这里不再赘述。
利用 Python 进行数据分析（一）简单介绍

二、ndarray 是什么

ndarray 是一个多维的数组对象，具有矢量算术运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点。

ndarray 的一个特点是同构：即其中所有元素的类型必须相同。

三、ndarray 的创建

array() 函数

最简单的方法，使用 NumPy 提供的 array() 函数直接将 Python 数组转换为 ndarray 数组，array() 接受一切序列类型的对象，例如将一个列表转换成 ndarray 数组：

zeros() 函数和 ones() 函数

这两个函数分别可以创建指定长度或形状的全0或全1的 ndarray 数组，比如：

empty() 函数

这个函数可以创建一个没有任何具体值的 ndarray 数组，例如：

需要注意一点的是，这个函数返回的值不一定是 0，可能是其他未初始化的垃圾值。

arange() 函数

这个函数是 Python 内置函数 range 的数组版，使用方法：

四、ndarray 的数据类型

在创建 ndarray 数组的时候可以指定元素的数据类型，例如：

所支持的数据类型包括整数、浮点数、复数、布尔值、字符串或是普通的 Python 对象（object）。

在创建 ndarray 数组的时候，如未显示指定类型，它会尝试推断出一个合适的数据类型。

类型转换

通过 ndarray 的 astype() 方法进行强制类型转换，浮点数转换为整数时小数部分会被舍弃：

如果某字符串类型的数组里的元素全是数字，也可以通过此方法直接转换成数值类型：

astype 会创建一份新的数组，即便是指定为同类型也依然如此。

五、ndarray 的简单使用

使用 ndarray 数组可以让我们不需要使用循环就可以对列表里的元素执行操作，语法和对标量元素的操作一样，例如：

巴特西