常量
numpy.nan
表示空值
nan = NaN = NAN
importnumpyasnpprint(np.nan==np.nan)print(np.nan!=np.nan)#执行结果FalseTrue#两个numpy.nan是不相等的numpy.isnan(x, *args, **kwargs) 逐元素测试是否为 NaN，并将结果以布尔数组的形式返回。
importnumpyasnp x=np.array([1,1,8,np.nan,10])print(np.isnan(x))z=np.count_nonzero(np.isnan(x))print(z)#执行结果[FalseFalseFalseTrueFalse]1numpy.inf
表示正无穷大
Inf = inf = infty = Infinity = PINF
numpy.pi
表示圆周率
pi = 3.1415926535897932384626433…
numpy.e
表示自然常数
e = 2.71828182845904523536028747135266249775724709369995…
时间日期和时间增量
在 numpy 中，我们很方便的将字符串转换成时间日期类型datetime64（datetime 已被 python 包含的日期时间库所占用）。
datatime64是带单位的日期时间类型，其单位如下：
| 日期单位 | 代码含义 | 时间单位 | 代码含义 |
|---|---|---|---|
| Y | 年 | h | |
| M | 月 | m | |
| W | 周 | s | |
| E | 天 | ms | |
| us | weonooooooooooooooooo | ||
| ns | 纳秒 | ||
| ps | 皮秒 | ||
| as | 飞秒 | ||
| fa | 阿托秒 |
- 1秒 = 1000 毫秒（milliseconds）
- 1毫秒 = 1000 微秒（microseconds）
importnumpyasnp a=np.datetime64('2025-12-15')#默认情况下，会根据字符串自动选择对应的单位print(a,a.dtype)a=np.datetime64('2025-12','D')#从字符串创建 datetime64 类型时，可以强制指定使用的单位print(a,a.dtype)print(np.datetime64('2025-03')==np.datetime64('2025-03-01'))# Trueprint(np.datetime64('2025-03')==np.datetime64('2025-03-02'))#False#执行结果2025-12-15datetime64[D]2025-12-01datetime64[D]TrueFalse由上例可以看出，2025-03 和 2025-03-01 所表示的其实是同一个时间。 事实上，如果两个 datetime64 对象具有不同的单位，它们可能仍然代表相同的时刻。并且从较大的单位（如月份）转换为较小的单位（如天数）是安全的。
从字符串创建 datetime64 数组时，如果单位不统一，则一律转化成其中最小的单位。
importnumpyasnp a=np.array(['2025-12','2025-12-15','2025-12-15 20:00'],dtype='datetime64')print(a,a.dtype)#执行结果['2025-12-01T00:00''2025-12-15T00:00''2025-12-15T20:00']datetime64[m]使用arange()创建 datetime64 数组，用于生成日期范围。
importnumpyasnp a=np.arange('2020-08-01','2020-08-10',dtype=np.datetime64)print(a)a=np.arange('2020-08-01 20:00','2020-08-10',dtype=np.datetime64)print(a)a=np.arange('2020-05','2020-12',dtype=np.datetime64)print(a)#执行结果['2020-08-01''2020-08-02''2020-08-03''2020-08-04''2020-08-05''2020-08-06''2020-08-07''2020-08-08''2020-08-09']['2020-08-01T20:00''2020-08-01T20:01''2020-08-01T20:02'...'2020-08-09T23:57''2020-08-09T23:58''2020-08-09T23:59']['2020-05''2020-06''2020-07''2020-08''2020-09''2020-10''2020-11']datetime64 和 timedelta64 运算
timedelta64 表示两个 datetime64 之间的差。timedelta64 也是带单位的，并且和相减运算中的两个 datetime64 中的较小的单位保持一致。
importnumpyasnp a=np.datetime64('2025-03-08')-np.datetime64('2025-03-07')b=np.datetime64('2025-03-08')-np.datetime64('2025-03-07 08:00')c=np.datetime64('2025-03-08')-np.datetime64('2025-03-07 23:00','D')print(a,a.dtype)print(b,b.dtype)print(c,c.dtype)a=np.datetime64('2025-03')+np.timedelta64(20,'D')b=np.datetime64('2025-06-15 00:00')+np.timedelta64(12,'h')print(a,a.dtype)print(b,b.dtype)#执行结果1days timedelta64[D]960minutes timedelta64[m]1days timedelta64[D]2025-03-21datetime64[D]2025-06-15T12:00datetime64[m]生成 timedelta64时，要注意年（‘Y’）和月（‘M’）这两个单位无法和其它单位进行运算（一年有几天？一个月有几个小时？这些都是不确定的）
importnumpyasnp a=np.timedelta64(1,'Y')b=np.timedelta64(a,'M')print(a)print(b)c=np.timedelta64(1,'h')d=np.timedelta64(c,'m')print(c)print(d)print(np.timedelta64(a,'D'))#执行结果1years12months1hours60minutes TypeError:Cannot cast NumPy timedelta64 scalarfrommetadata[Y]to[D]according to the rule'same_kind'timedelta64的运算
importnumpyasnp a=np.timedelta64(1,'Y')b=np.timedelta64(6,'M')c=np.timedelta64(1,'W')d=np.timedelta64(1,'D')e=np.timedelta64(10,'D')print(a)print(b)print(a+b)print(a-b)print(2*a)print(a/b)print(c/d)print(c%e)#执行结果1years6months18months6months2years2.07.07daysnumpy.datetime64 与 datetime.datetime 相互转换
importnumpyasnpimportdatetime dt=datetime.datetime(year=2025,month=12,day=16,hour=12,minute=20,second=30)dt64=np.datetime64(dt,'s')print(dt64,dt64.dtype)dt2=dt64.astype(datetime.datetime)print(dt2,type(dt2))#执行结果2025-12-16T12:20:30datetime64[s]2025-12-1612:20:30<class'datetime.datetime'>datetime64的应用
NumPy包含一组“busday”（工作日）功能。
numpy.busday_offset(dates, offsets, roll=‘raise’, weekmask=‘1111100’, holidays=None, busdaycal=None, out=None)
首先根据滚动规则将日期调整为有效日，然后对给定日期应用以有效日计的偏移量。
参数roll：{‘raise’, ‘nat’, ‘forward’, ‘following’, ‘backward’, ‘preceding’, ‘modifiedfollowing’, ‘modifiedpreceding’}
raise：意味着为无效日期引发异常。
nat：表示对于无效日期返回一个 NaT（非时间）。
forward和following：意味着在时间上选择第一个有效的后续日期。
backward和preceding：意味着选取时间上更早的第一个有效日期。
将指定的偏移量应用于工作日，单位天（‘D’）。计算下一个工作日，如果当前日期为非工作日，默认报错。可以指定forward或backward规则来避免报错。（一个是向前取第一个有效的工作日，一个是向后取第一个有效的工作日）
importnumpyasnp#2025-12-12是周五a=np.busday_offset('2025-12-12',offsets=1)print(a)a=np.busday_offset('2025-12-13',offsets=1)print(a)a=np.busday_offset('2025-12-13',offsets=0,roll='forward')b=np.busday_offset('2025-12-13',offsets=0,roll='backward')print(a)print(b)a=np.busday_offset('2025-12-13',offsets=1,roll='forward')b=np.busday_offset('2025-12-13',offsets=1,roll='backward')print(a)print(b)#执行结果2025-12-15ValueError:Non-business day dateinbusday_offset2025-12-152025-12-122025-12-162025-12-15#可以指定偏移量为 0 来获取当前日期向前或向后最近的工作日，当然，如果当前日期本身就是工作日，则直接返回当前日期。返回指定日期是否是工作日。
importnumpyasnp a=np.is_busday('2025-12-13')b=np.is_busday('2025-12-16')print(a)print(b)#执行结果FalseTrue统计一个 datetime64[D]数组中的工作日天数。
importnumpyasnp begindates=np.datetime64('2025-12-12')enddates=np.datetime64('2025-12-16')a=np.arange(begindates,enddates,dtype='datetime64')b=np.count_nonzero(np.is_busday(a))print(a)print(b)#执行结果['2025-12-12''2025-12-13''2025-12-14''2025-12-15']2自定义周掩码值，即指定一周中哪些星期是工作日。
importnumpyasnp a=np.is_busday('2025-12-12',weekmask=[1,1,1,1,1,0,0])b=np.is_busday('2025-12-12',weekmask=[1,1,1,1,0,0,1])print(a)print(b)#执行结果TrueFalse返回两个日期之间的工作日数量。
importnumpyasnp begindates=np.datetime64('2025-12-12')enddates=np.datetime64('2025-12-16')a=np.busday_count(begindates,enddates)b=np.busday_count(enddates,begindates)print(a)print(b)#执行结果2-2数组的创建
array()和asarray()都可以将结构数据转化为 ndarray，但是array()和asarray()主要区别就是当数据源是ndarray时，array()仍然会 copy 出一个副本，占用新的内存，但不改变 dtype 时asarray()不会。
通过fromfunction()函数进行创建
给函数绘图的时候可能会用到fromfunction()，该函数可从函数中创建数组。
importnumpyasnpdeff(x,y):return10*x+y x=np.fromfunction(f,(5,4),dtype=int)print(x)x=np.fromfunction(lambdai,j:i==j,(3,3),dtype=int)print(x)x=np.fromfunction(lambdai,j:i+j,(3,3),dtype=int)print(x)#执行结果[[0123][10111213][20212223][30313233][40414243]][[TrueFalseFalse][FalseTrueFalse][FalseFalseTrue]][[012][123][234]]依据 ones 和 zeros 填充方式
- zeros()函数：返回给定形状和类型的零数组。
- zeros_like()函数：返回与给定数组形状和类型相同的零数组。
- ones()函数：返回给定形状和类型的1数组。
- ones_like()函数：返回与给定数组形状和类型相同的1数组。
- empty()函数：返回一个空数组，数组元素为随机数。
- empty_like函数：返回与给定数组具有相同形状和类型的新数组。
- eye()函数：返回一个对角线上为1，其它地方为零的单位数组。
- identity()函数：返回一个方的单位数组。
- diag()函数：提取对角线或构造对角数组。
- full()函数：返回一个常数数组。
- full_like()函数：返回与给定数组具有相同形状和类型的常数数组。
- arange()函数：返回给定间隔内的均匀间隔的值。
- linspace()函数：返回指定间隔内的等间隔数字。
- logspace()函数：返回数以对数刻度均匀分布。
- numpy.random.rand() 返回一个由[0,1)内的随机数组成的数组。
数组的属性
在使用 numpy 时，你会想知道数组的某些信息。很幸运，在这个包里边包含了很多便捷的方法，可以给你想要的信息。
numpy.ndarray.ndim用于返回数组的维数（轴的个数）也称为秩，一维数组的秩为 1，二维数组的秩为 2，以此类推。numpy.ndarray.shape表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即ndim属性(秩)。numpy.ndarray.size数组中所有元素的总量，相当于数组的shape中所有元素的乘积，例如矩阵的元素总量为行与列的乘积。numpy.ndarray.dtypendarray对象的元素类型。numpy.ndarray.itemsize以字节的形式返回数组中每一个元素的大小。
