2024年最全手把手教你用Python的NumPy包处理数据！NumPy可是神器！，2024年最新面试官必问的技术问题之一有哪些

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

1.15.4

提示：记得在Jupyter Notebook中，键入命令后，你可以按下Ctrl+Enter，以执行一个单元格。或者，按下Shift+Enter以执行单元格，并自动插入或者选择该单元格下面的单元格。依次单击Help | Keyboard Shortcut以检查所有的键盘快捷键，或者依次单击Help | User Interface Tour以进行快速浏览。

此处讨论的部分包，建议使用NumPy 1.8版本或后续版本。按照惯例，你会发现在科学Python领域中，大多数人导入NumPy都会使用np作为别名：

importnumpy asnp

np.__version__

输出结果：

1.15.4

02 理解NumPy数组

Python是一种弱类型的语言。这就意味着， 你无论何时创建一个新变量，都不必指定数据类型。 例如，下面的内容将自动表示为一个整数：

a = 5

输入下面内容以再次确认：

type(a)

输出结果：

int

注意：因为标准Python实现是用C编写的，所以每个Python对象本质上是一个伪C结构。这对于Python中的整数也是如此，实际上它是指向复合C结构的指针，包含的不仅仅是原始整数值。因此，用于表示Python整数的默认C数据类型将依赖于你的系统架构（即系统是32位还是64位平台）。

更进一步，我们使用list命令可以创建一个整数列表，这是Python中的标准多元素容器。range (x)函数将创建从0到x–1的所有整数。要输出变量，你可以使用print函数，也可以直接输入变量名字并按Enter：

int_list = list(range( 10))

int_list

输出结果：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

类似地，我们通过让Python遍历整数列表int_list中的所有元素，并对每个元素应用str函数（该函数将一个数转换成一个字符串），来创建一个字符串列表：

str_list = [str(i) fori inint_list]

str_list

输出结果：

[‘0’, ‘1’, ‘2’, ‘3’, ‘4’, ‘5’, ‘6’, ‘7’, ‘8’, ‘9’]

可是，用列表进行数学运算并不是很灵活。例如，我们想要将int_list中的每个元素都乘以一个因子2。执行以下操作可能是一种简单的方法—看看输出结果是怎样的：

int_list * 2

输出结果：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

Python创建了一个列表，其内容是int_list的所有元素生成了两次，这并不是我们想要的！

这就是NumPy的用武之地。NumPy是专为简化Python中的数组运算而设计的。我们可以快速将整数列表转换为一个NumPy数组：

importnumpy asnp

int_arr = np.array(int_list)

int_arr

输出结果：

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

让我们看看试着将数组中的每个元素相乘会怎么样：

int_arr * 2

输出结果：

array([ 0 2 4 6 8 10 12 14 16 18])

这次我们做对了！加法、减法、除法以及很多其他运算也是同样的。

而且，每个NumPy数组都具有以下属性：

• ndim： 维数。

• shape： 每一维的大小。

• size： 数组中元素的总数。

• dtype： 数组的数据类型（例如int、float、string等）。

让我们来看看整数数组的上述属性：

print( “int_arr ndim: “, int_arr.ndim)

print( “int_arr shape: “, int_arr.shape)

print( “int_arr size: “, int_arr.size)

print( “int_arr dtype: “, int_arr.dtype)

输出结果：

int_arr ndim: 1

int_arr shape: (10,)

int_arr size: 10

int_arr dtype: int64

从这些输出中，我们可以看到我们的数组只包含一维，其包含10个元素且所有元素都是64位的整数。当然，如果你在32位机器上执行这段代码，你可能会得到dtype：int 32。

03 通过索引访问单个数组元素

如果你之前使用过Python的标准列表索引，那么你就不会发现NumPy中的索引有很多问题。在一维数组中，通过在方括号中指定所需的索引，可以访问第i个值（从0开始计算），与Python列表一样：

int_arr

输出结果：

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

int_arr[ 0]

输出结果：

0

int_arr[ 3]

输出结果：

3

要从数组的末尾建立索引，可以使用负索引号：

int_arr[ -1]

输出结果：

9

int_arr[ -2]

输出结果：

8

切割数组还有一些其他很酷的技巧，如下所示：

int_arr[ 2: 5] #from index 2 up to index 5 – 1

输出结果：

array([2, 3, 4])

int_arr[: 5] #from the beginning up to index 5 – 1

输出结果：

array([0, 1, 2, 3, 4])

int_arr[ 5:] #from index 5 up to the end of the array

输出结果：

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！