python数据分析之numpy与pandas

1.numpy库

NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

使用以下代码，安装numpy，

pip install numpy

1.1.numpy基本操作

我们将使用jupyter notebook进行以下操作。

1.1.1.数组的创建与形态

numpy.array()方法用来创建数组(一维或多维)。例如，

base_array = np.array([1, 2, 3])  # 创建一个一维数组
base_array  # 展示数组
# 创建多维数组，一个中括号为一维，我们只需数出最左边有多少个左括号就可以获得维数
base_narray = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])  # 创建一个三维数组
base_narray

注意，numpy创建的数组和python中的数组(列表)的数据格式不同。

python_array = [1, 2, 3]
type(python_array[0])  # 数据类型为int
type(base_array[0])  # 数据类型为int64(或int32)

我们可以通过ndim和shape属性查看数组的维数和形态，

base_array.ndim  # 结果为1
base_narray.ndim  # 结果为3
base_array.shape  # 结果为(3,)
base_narray.shape  # 结果为(2, 2, 3)

注意，base_narray的结果(2, 2, 3)第一个2为该三维数组有两个二维数组，第二个2意为每个二维数组中有两个一维数组，3意为每个一维数组中有三个元素。

1.1.2.数组的切片

数组的切片是我们之后常会用到的操作，我们首先创建一个三维数组，

base_slice = np.array([[[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]], [[11, 12, 13, 14, 15], [16, 17, 18, 19, 20]]])
base_slice

创建好的数组形态如下，

array([[[ 1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10]],

       [[11, 12, 13, 14, 15],
        [16, 17, 18, 19, 20]]])

我们可以使用类似python列表取元素的方法，获取其中的指定下标对应的元素，

base_slice[1]  # 取三维数组中下标为1的二维数组

结果为，

array([[11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20]])

base_slice[1][0]  # 在下标为1的二维数组中取下标为0的一维数组

结果如下，

array([