第2章 数据处理基础

2.1 NumPy：数值运算

NumPy是Numerical Python的简称，是高性能计算和数据分析的基础包。ndarray是NumPy的核心功能，其含义为n-dimensional array，即多维数组。数组与列表之间的主要区别为：数组是同类的，即数组的所有元素必须具有相同的类型；相反，列表可以包含任意类型的元素。使用NumPy的函数可以快速创建数组，远比使用基本库的函数节省运算时间。NumPy在使用前需要导入，约定俗成的导入方法为：

2.1.1 数组的创建

数组（ndarray）由实际数据和描述这些数据的元素组成，可以使用*.shape查看数组的形状，使用*.dim查看数组的维数。而向量（vector）即一维数组，也是最常用的数组之一。通过NumPy的函数创建一维向量与二维数组常用的方法如表2-1-1所示。数组可由列表构造，也可以通过*.tolist方法转换列表。

NumPy支持的数据类型有：bool（布尔）、int8（-128～127的整数）、int16、int32、int64、uint8（0～255的无符号整数）、uint16、uint32、uint64、float16（5位指数10位尾数的半精度浮点数）、float32、float64等。可以使用*.astype（）函数实现对数组数据类型的转换。

2.1.2 数组的索引与变换

Python数组的索引与切片使用中括号“[]”选定下标来实现，同时采用“：”分割起始位置与间隔，用“，”表示不同维度，用“…”表示遍历剩下的维度（见表2-1-2）。使用reshape（）函数可以构造一个3行2列的二维数组：

其中，NumPy的ravel（）和flatten（）函数所要实现的功能是一致的，都是将多维数组降为一维数组。两者的区别在于返回拷贝（copy）还是返回视图（view），numpy.flatten（）返回一份拷贝，对拷贝所做的修改不会影响原始矩阵，而numpy.ravel（）返回的是视图，会影响原始矩阵。

数组的排序也尤为重要。NumPy提供了多种排序函数，比如sort（直接返回排序后的数组）、argsot（返回数组排序后的下标）、lexsort（根据键值的字典序排序）、msort（沿着第一个轴排序）、sort_complex（对复数按照先实后虚的顺序排序）等。具体如表2-1-3所示。

2.1.3 数组的组合

NumPy数组的组合可以分为：水平组合（hstack）、垂直组合（vstack）、深度组合（dstack）、列组合（colume_stack）、行组合（row_stack）等（见表2-1-4）。其中，水平组合就是把所有参加组合的数组拼接起来，各数组行数应该相等，对于二维数组，列组合和水平组合的效果相同。垂直组合就是把所有组合的数据追加在一起，各数组列数应该一样，对于二维数组，行组合和垂直组合的效果一样。

2.1.4 数组的统计函数

有时候，我们需要对数组进行简单的统计分析，包括数组的均值、中值、方差、标准差、最大值、最小值等。图2-1-1所示为3种不同数据分布的统计直方图分析：均值（红色实线）、中值（蓝色实线）、最大值（桔色圆圈）、最小值（绿色圆圈）。NumPy的简单统计函数如表2-1-5所示。示例数据：ary=np.arange（6），则数组ary为array（[0，1，2，3，4，5]）。