【dataquest学习】numpy

import numpy
nfl = numpy.genfromtxt("nfl.csv", delimiter=",")

得到numpy.ndarray类型
但这样的读法有个问题，numpy会试图将strings转为floats,转不过来会变成nan。为了让读出的数据是string格式，加上参数dtype="U75"。

import numpy as np
import numpy
world_alcohol = numpy.genfromtxt("world_alcohol.csv",dtype="U75",skip_header=1,delimiter=",")
print(world_alcohol)

axis=0/1如何选择如下：

• 1 means that we want to perform the operation on each row
• 0 means on each column.

matrix = numpy.array([
                [5, 10, 15], 
                [20, 25, 30],
                [35, 40, 45]
             ])
    matrix.sum(axis=1)

得到：[30, 75, 120]

总结：
1、numpy是什么？

• numpy库核心是提供了一种多维数组对象叫ndarray。
• 矩阵matrix是numpy的特例，一个二维数组。
• arr=np.array(data)，得到ndarray型arr

2、numpy最大的劣势是什么？

• 数组中每个元素必须是相同的数据格式，都是string/float...
• 行和列必须用数字引用，没有行头/列头的概念

3、numpy使用功能有哪些？

• 轻松转化元素的格式：如arr=arr.astype(float64)
• 不用编写循环，批量执行数组对应元素的操作，如arr*arr,arr-arr
• 各种索引和切片，当然任何修改会直接反映到源数据
  A. 数字切片
  第一个是行，第二个是列，如arr[1,:2]
  B. 布尔型索引
  如is_year=(arr[:,0]=='1990');arr[is_year,:]得到1990年对应的行

matrix = np.array([[5, 10, 15], 
                [20, 25, 30],
                [35, 40, 45]])
second_column_25 = (matrix[:,1] == 25)
print(second_column_25,matrix[second_column_25,:])

C. 花式索引：利用整数数组进行索引

arr=np.arange(32).reshape((8,4))
arr

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19],
       [20, 21, 22, 23],
       [24, 25, 26, 27],
       [28, 29, 30, 31]])

arr[[1,5,7,2],[0,3,1,2]]

array([ 4, 23, 29, 10])

arr[[1,5,7,2]]

array([[ 4,  5,  6,  7],
       [20, 21, 22, 23],
       [28, 29, 30, 31],
       [ 8,  9, 10, 11]])

arr[[1,5,7,2]][:,[0,3,1,2]]

array([[ 4,  7,  5,  6],
       [20, 23, 21, 22],
       [28, 31, 29, 30],
       [ 8, 11,  9, 10]])

arr[np.ix_([1,5,7,2],[0,3,1,2])]

array([[ 4,  7,  5,  6],
       [20, 23, 21, 22],
       [28, 31, 29, 30],
       [ 8, 11,  9, 10]])

• numpy提供了各类函数，如abs,sqrt,dot,transpose,where,unique,cumsum,cumprod

arr=np.arange(3)
print(arr)
np.where(arr>0,2,-2)

[0 1 2]
array([-2,  2,  2])