数据分析 - Numpy

简介

Numpy是高性能科学计算和数据分析的基础包。它也是pandas等其他数据分析的工具的基础,基本所有数据分析的包都用过它。NumPy为Python带来了真正的多维数组功能,并且提供了丰富的函数库处理这些数组。它将常用的数学函数都支持向量化运算,使得这些数学函数能够直接对数组进行操作,将本来需要在Python级别进行的循环,放到C语言的运算中,明显地提高了程序的运算速度。

 下载

>: pip install numpy

引用方式

import numpy as np  # 约定俗成的起别名:np

这是官方认证的导入方式,可能会有人说为什么不用from numpy import *,是因为在numpy当中有一些方法与Python中自带的一些方法,例如maxmin等冲突,为了避免这些麻烦大家就约定俗成的都使用这种方法。

ndarray 

Numpy的核心特征就是N-维数组对——ndarray.

  •  ndarray的优势

有一个购物车, 购物车中有商品的数量和对应的价格, 求总的价格
shop_car = [2,4,6,1]
shop_price = [10,20,1,30]

pycharm中实现:

shop_car = [2,4,6,1]
shop_price = [10,20,1,30]
prices = 0
index = 0
for i in shop_car:
    price = shop_price[index]
    prices += i * price
    index +=1
print(prices)  # 136

numpy中实现:

数据分析 - Numpy

通过ndarray这个多维数组对象可以让这些批量计算变得更加简单,当然这只它其中一种优势,接下来就通过具体的操作来发现。

  • ndarray是一个多维数组列表

数据分析 - Numpy

 注意: 

1.数组对象内的元素类型必须相同

2.数组大小不可修改

  •  常用属性

属性 描述  
T 数组的转置(对高维数组而言)  
dtype 数组元素的数据类型  
size 数组元素的个数  
ndim 数组的维数  
shape 数组的维度大小(以元组形式)

数据分析 - Numpy

  • 数据类型

类型 描述  
布尔型 bool_  
整型 int_ int8 int16 int32 int 64  
无符号整型 uint8 uint16 uint32 uint64  
浮点型 float_ float16 float32 float64  
复数型 complex_ complex64 complex128

 数据分析 - Numpy

注意: astype()方法可以修改数组的数据类型

  • 创建ndarray对象

方法 描述  
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arange(),第三个参数为数组长度  
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dtype创建空数组(随机值)  
eye() 根据指定边长和dtype创建单位矩阵

 array()

数据分析 - Numpy

 arange()

数据分析 - Numpy

 linspace()

数据分析 - Numpy

 zeros()

数据分析 - Numpy

 ones()

数据分析 - Numpy

 eye()

数据分析 - Numpy

 

 

 

 

 

 

上一篇:JavaWeb 创建省市级关联菜单


下一篇:pandas模块的使用详解