三、Numpy

• 简介
• ndarray
• 通用函数
• 其他

1、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。

安装方法：

pip install numpy

引用方式：

import numpy as 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max、min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。

2、ndarray -多维数组对象

Numpy的核心特征就是N-维数组对——ndarray.

1、为什么要是用ndarray?

接下来我们可以通过具体的实例来展示一下ndarray的优势。
现在有这样一个需求:

已知若干家跨国公司的市值（美元），将其换算为人民币

				

					
				
				

					
				
				

					
				
				

					
				
			

按照Python当中的方法
第一种：是将所有的美元通过for循环依次迭代出来，然后用每个公司的市值乘以汇率
第二种：通过map方法和lambda函数映射

这些方法相对来说也挺好用的，但是再来看通过ndarray对象是如何计算的

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。

2、创建ndarray对象

np.array()

				

					
				
				

					
				
				

					
				
				

					
				
			

3、ndarray是一个多维数组列表

接下来就多维数组举个例子：

有的人可能会说了，这个数组跟Python中的列表很像啊，它和列表有什么区别呢？

• 数组对象内的元素类型必须相同
• 数组大小不可修改

4、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）

T:转置
li1 = [
    [1,2,3],
    [4,5,6]
] 
a = np.array(li1)
a.T
执行结果：
array([[1, 4],
       [2, 5],
       [3, 6]])
就相当于是将行变成列，列变成行，它也是一个比较常用的方法

				

					
				
				

					
				
				

					
				
				

					
				
			

5、数据类型

• dtype

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

整型：
int32只能表示(-2**31，2**31-1),因为它只有32个位，只能表示2**32个数
 
无符号整型：
只能用来存正数，不能用来存负数
 
补充：
astype()方法可以修改数组的数据类型

				

					
				
				

					
				
				

					
				
				

					
				
			

6、ndarray-创建

查看更多 联系管理员微信tutu19192010，注册账号 Username: Password: Log in Register Forgotten username or password? Numpy数据分析 上一篇开发环境部署 下一篇 Pandas