学Python不会不知道NumPy计算包吧，带你五分钟看懂NumPy计算包

从今天我们就开始进入 Python 数据分析工具的教程。

前段时间数据分析和Python都讲了一点点，但是Python的数据库，讲的少了点，所以接下来就讲讲这些重要的常用数据库吧！！！

Python 数据分析绝对绕不过的四个包是 Numpy、scipy、pandas 还有 matplotlib。

NumPy 是 Python 数值计算最重要的基础包，大多数提供科学计算的包都是用 numPy的数组作为构建基础。专门用来处理矩阵，它的运算效率比列表更高效。

scipy 是基于 numpy 的科学计算包，包括统计、线性代数等工具。

pandas 是基于 numpy 的数据分析工具，能够快速的处理结构化数据的大量数据结构和函数。

matplotlib 是最流行的用于绘制数据图表的 Python 库。

本文先分享 NumPy 包。

NumPy 的 ndarray：多维数组对象

numpy 的数据结构是 n 维的数组对象，叫做 ndarray。 可以用这种数组对整块数据执行一些数学运算，其语法跟标量元素之间的运算一样。

创建并操作多维数组：

ndarray 对象中所有元素必须是相同类型的，每个数组都有一个 shape 和 dtype。

• shape ：表示各维度大小的元组
• dtype ：说明数组数据类型的对象

创建 ndarray：一种多维数组对象

创建数组最简单的办法就是使用 array 函数，它接受一切序列型对象（包括其它数组），然后产生一个新的 NumPy 数组（含有原来的数据）。

np.array 会尝试为新建的这个数组推断出一个较为合适的数据类型，这个数据类型保存在一个特殊的 dtype 对象中。

zeros 和 ones 也分别可以创建指定大小的全 0 或全 1 数组，empty 可以创建一个没有任何具体值的数组（它返回的都是一些未初始化的垃圾值）：

arange 是 Python 内置函数 range 的数组版，np.arange 返回间隔均匀的一些值。

ndarray 的数据类型

dtype（数据类型）是一个特殊的对象，它含有 ndarray 将一块内存解释为特定数据类型所需的信息。

需要知道你所处理的数据的大致类型是浮点数、复数、整数、布尔值、字符串， 还是普通的 python 对象。当需要控制数据在内存和磁盘中的存储方式时，就得了解如何控制存储类型。

可通过 ndarray 的 astype 方法显示地转换其 dtype：

若将浮点数转换成整数，则小数部分将会被截断。

若某字符串数组表示的全是数字，可用 astype 将其转换为数值形式：

这里没写 np.float64 只写了 float，但是 NumPy 会将 Python 类型映射到等价的
dtype 上。

数组的 dtype 的另一个用法：

int_array 变成了和 calibers 一样的浮点型数组
用简洁类型的代码表示 dtype：

u4(unit32)：无符号的 32 位（4 个字节）整型。

调用 astype 无论如何都会创建出一个新的数组（原始数据的一份拷贝）。

浮点数只能表示近似的分数值，在复杂计算中可能会积累一些浮点错误，因此比较操作只在一定小数位以内有效。

数组和标量之间的运算

数组：可对数据执行批量运算（不用编写循环即可）。这通常叫做矢量化
(vectorization)。

• 大小相等的数组之间，它们之间任何的算术运算都会应用到元素级（每个元素都做这个运算了），数组与标量的算术运算也是。
• 不同大小的数组之间的运算叫做广播(broadcasting)。

基本的索引和切片

数据不会被复制，任何修改都直接改了原数组。如果仅是要一份副本，则用 .copy()。

对二维数组单个元素的索引：

这两种方式等价。

若 arr2d[2]，则输出的是一维数组[7,8,9]。

223 的数组（2 组 2 行 3 列）：

切片索引

布尔型索引

需要先引入：from numpy.random import randn

或将代码改成：data = np.random.randn(7, 4)

布尔型数组的长度必须跟被索引的轴长度一致。每个名字对应 data 数组一行。对条件进行否定的两种方式：

组合应用多个布尔条件，可使用&、|等布尔算术运算符：

通过布尔型索引选取数组中的数组，将总是创建数据的副本，即使返回一模一样的数组也是一样。

通过布尔型数组设置值：

通过一维布尔数组设置整行或列的值：

花式索引

指利用整数数组进行索引。

np.empty((8,4))

Return a new array of given shape and type, without initializing entries. for i in range(8):
arr[i] = i

Return an object that produces a sequence of integers from start (inclusive) to stop (exclusive) by step.

为了以特定顺序选取行的子集，只需传入一个用于指定顺序的整数列表或
ndarray，使用负数索引会从末尾开始选取行（最后一行是 -1）。一次传入多个索引组，返回一个一维数组：

取整列的两种方法，相当于给列排了顺序：

花式索引跟切片不一样，总是将数据复制到新数组中。

数组转置和轴对换

转置返回的是源数据的视图，不进行任何复制操作。数组有 transpose 方法，还有一个 T 属性来完成转置：

高维数组

Transpose 要一个轴编号：

arr 是 2 组 2 行 4 列的数组，transpose 的参数表示 shape 的形状，对于这个例子来说，即 2[0]、2[1]、4[2]，transpose(1,0,2)转置后变为 2[1]、2[0]、4[2]，看起来仍是 2 组 2 行 4 列的形状，但数组内的元素经过转换后索引已经改变， 也要遵循（1，0，2）的顺序。如转置前的数组 arr[0,1,0]索引值为 4，转置后的数组 arr’[1,0,0]，索引值才为 4。其它同理。

ndarray 的 swapaxes 方法接受一对轴编号且返回源数据的视图：

转置后的数组 arr.T 为 4[2] 组 2[1] 行 2[0] 列数组，swapaxes(1,2)就是将第二个
维度（中括号内数字）和第三个维度交换，即转换为 2 组 4 行 2 列。

通用函数：快速的元素级数组函数

通用函数（即 ufunc）是一种对 ndarray 中的数据执行元素级运算的函数，就是一些简单函数。

利用数组进行数据处理

用数组表达式代替循环的做法，通常被称为矢量化。NumPy 数组将多种数据处理任务表述为数组表达式。

np.meshgrid 函数接受两个一维数组，并产生两个二维矩阵（对应于两个数组中所有的（x, y）对。

将条件逻辑表述为数组运算

np.wherea 函数是三元表达式 x if condition else y 的矢量化版本。

np.where 的第二个和第三个参数不必是数组，传递给 where 的数组大小可以不相等，甚至可以是标量值。在数据分析工作中，where 通常用于根据另一个数组而产生一个新的数组。

用 where 表述出更复杂的逻辑：（where 的嵌套）

用于布尔型数组的方法
有两个方法 any 和 all。

排序

多维数组可以在任何一个轴向上进行排序，只需将轴编号传给 sort：

顶级方法 np.sort 返回的数组已排序的副本，就地排序则会修改数组。

唯一化以及其他的集合逻辑

np.unique 找出数组中的唯一值并返回已排序的结果。

np.in1d 用于测试一个数组的值在另一个数组的情况。

随机数生成

numpy.random 模块多了用于高效生产多种概率分布的样本值的函数（用来生成大量样本值）。

---

到这里，numpy 的基础就讲解的差不多了，接下来将会讲解 pandas 和 matplotlib。更深入的应用，后面也会分享实际应用这些包的数据分析，欢迎关注！