初入Python数据分析库——Numpy（一）

文章所用到的代码都是在 Jupyter notebook 里写的，不是传统的 Pycharm ，复制的时候注意语法问题！！！

一、Numpy是什么

Numpy 的英文全称是：Numerical Python。

我们可以从下面三个角度去理解Numpy：
1.一个开源的Python科学计算库
2.使用Numpy可以方便地对数组、矩阵进行计算
3.包含线性代数、傅里叶变换、统计运算、随机模拟等等大量函数

二、为什么用Numpy

在介绍之前，我们先要书写下面这段代码，表示我们引用了numpy 这个库函数，并将函数重命名为：np

import numpy as np

下面我们从两个方面来对比 Numpy 与 原生Python ，以说明我们为什么使用 Numpy 这个库函数。

（一）代码更简洁

1.原生Python

def python_sum(n):
    # 使用列表生成式创建1-N的平方
    a = [i**2 for i in range(n)]
    # 使用表生成式创建1-N的平方
    b = [i**3 for i in range(n)]
    # 创建新列表
    ab_sum = []
    for i in range(n):
        # 将a中的对应元素与b中对应的元素相加
        ab_sum.append(a[i]+b[i])
    return ab_sum
    
python_sum(10)

2.Numpy实现代码

def numpy_sum(n):
    a = np.arange(n)**2
    b = np.arange(n)**3
    return a+b
    
numpy_sum(10)

上面两段代码的行数对比起来已经很明显了，这里就简单解释一下。
大家可以看到，我只是想实现一个数组倍乘相加的功能，Python就需要用到循环，而Numpy则可以直接乘。两者从复杂度来判断，根本不是一个量级的。

（二）性能更高效

1.运行时长对比

下面用到的 %timeit 是Python一个用于计运行耗时的工具。

# 对比运行1000次 
%timeit python_sum(1000)
%timeit numpy_sum(1000)

# 对比运行100000次
%timeit python_sum(100000)
%timeit numpy_sum(100000)

2.画图比较

我们直接将刚刚得到的数据，画成图进行比较。

import pandas as pd
# 创建数据
python_times = [1.72*1000,143*1000,1.64*1000*1000]
numpy_times = [15,1.32*1000,14.9*1000]

# 创建pandas的DataFrame类型数据
charts_data = pd.DataFrame({
    'python_times':python_times,
    'numpy_times':numpy_times,
})

#表格
charts_data

# 线性图
charts_data.plot()

# 柱状图
charts_data.plot.bar()

读者可以非常直观的通过这些图来对比两者，很明显，只要数量一上去，Python所需要耗的时间就变得很长，跟Numpy完全没法比。所以说：使用Numpy代码的性能优于Python。

二、Numpy ndarray对象

Ndarray是：NumPy 定义了一个n维数组对象，简称 ndarray 对象。它是一个一系列相同类型元素组成的数组集合。
数组中的每个元素都占有大小相同的内存块。
ndarray 对象采用了数组的索引机制，将数组中的每一个元素映射到内存块上。
读者可以看看下面这段代码，其意义就是看 np.array([1,2,3,4,5])的数据类型

np.array([1,2,3,4,5])   # 先忽略 np.array，下文会介绍
type(np.array([1,2,3,4,5]))    # 先忽略 type ,下文会介绍

# 结果是：numpy.ndarray

也就是说，使用 Numpy 之后，我们创建出来的数据结构就是：numpy.ndarray

三、Numpy.array()

（一）函数说明

numpy.array(object,dtype = None ,copy = True , order = None ,subok = False ,nbmin =0)
1.object 表示一个数组序列
2.dtype 可选参数，通过它可以改变数组的数据类型
3.copy 可选参数，表示数组能否被复制，默认是True
4.ndmin 用于指定数组的维度
5.subok 可选参数，类型为bool值，默认为False。为True，使用object的内部数据类型

（二）详细说明

1.object 表示一个数组序列

array()函数，括号内可以是列表、元组、数组、迭代对象、生成器，但最终都会转变为numpy.ndarray的数组结构。

示例（1）

#元组 
np.array((1,2,3,4,5))
type(np.array((1,2,3,4,5)))

#迭代对象
np.array(range(10))

#生成器
np.array([i**2 for i in range(10)])

以上三者的结果都是：numpy.ndarray。

示例（2）

练习：创建10以内的偶数的数组

# 方法1：
np.array(range(0,10,2))
# 方法2：
np.array([i for i in range(10) if i%2 ==0])

# 结果是：array([0, 2, 4, 6, 8])

object可以放很多数据结构，最终我们都转换成数组来操作。

2.dtype 可选参数，通过它可以改变数组的数据类型

（1）在不使用 dtype 创建数组时

注意1：当列表中元素类型不同，会统一改成字符最大的数据类型

# 列表中元素类型不同  -->  改成字符最大的数据类型
np.array([1,1.5,3,4,4.5,5,'5'])   

# 结果：array(['1', '1.5', '3', '4', '4.5', '5', '5'], dtype='<U32')

# 浮点型
ar2 = np.array([1,2,3.14,4.5])
ar2

# 结果：array([1.  , 2.  , 3.14, 4.5 ])

# 二维数组：嵌套序列数量不一致时
# （   嵌套序列（列表，元组均可）  ）
ar3 = np.array([
              [1,2,3],
              ('a','b','c')
              ])
ar3

# 结果：array([['1', '2', '3'],
               ['a', 'b', 'c']], dtype='<U11')

# 二维数组：嵌套序列数量不一致时  -->  不会怎么样，同类的归为一起
ar4 = np.array([[1,2,3],('a','b','c','d')])
print(ar4)

# 结果是：array([list([1, 2, 3]), ('a', 'b', 'c', 'd')], dtype=object)
#                       列表              元组

（2）在使用 dtype 改变数组时

a = np.array([1,2,3,4,5])
# 设置数组元素类型  -->  强制转化
has_dtype_a = np.array([1,2,3,4,5],dtype='float')
has_dtype_a

# 结果是：array([1., 2., 3., 4., 5.])

3.copy 可选参数，表示数组能否被复制，默认是True

示例（1）

注意：列表中是引用传值，也就是直接给到被引用者地址

my_list1 = [1,2,3,4]    # my_list1 存储的是地址
my_list2 = my_list1   #  # 直接等于，是试图操作，相当于把 my_list1 的地址给了 my_list2
my_list2[1] = 10 # 当修改 my_list2 的元素时，my_list1 也会发生变化
my_list1
my_list2
id(my_list1)
id(my_list2)

# 结果是：
[1, 10, 3, 4]
[1, 10, 3, 4]
2166468147336
2166468147336

示例（2）

a = np.array([1,2,3,4,5])
# 定义b ,复制a
b = np.array(a)  # 这是真正的复制，不是那种指向同一份空间的引用
print('a:',id(a),'b:',id(b))
print("以上看出a 和 b 的内存地址")
b[0] = 10   # 当修改b的元素是，a不会发生变化
print('a:',a,'b:',b)

# 结果是：
a: 2166468357704 b: 2166468357440
以上看出a 和 b 的内存地址
a: [1 2 3 4 5] b: [10  2  3  4  5]

4.ndmin 用于指定数组的维度

a = np.array([1,2,3])
print(a)
a = np.array([1,2,3],ndmin = 3)
print(a)  #  注意看括号的变化
a.ndim

# 结果是：
[1 2 3]
[[[1 2 3]]]
3

5.subok 可选参数，类型为bool值，默认为False。为True，使用object的内部数据类型

示例（1）

# 创建一个矩阵
a = np.mat([1,2,3,4])   #注意：此处是 np.mat -->  数据结构是：numpy.matrix
# 输出为矩阵
print(type(a))  

# 结果是：
<class 'numpy.matrix'>

示例（2）

a = np.mat([1,2,3,4]) 
at = np.array(a,subok = True)   #注意：此处是 np.array -->  数据结构是：numpy.ndarray
af = np.array(a)   # 不是直接 = 的操作，就相当于给了一份副本，使 at 保持原数据
print('at,subok = True',type(at))
print('af,subok = Flase',type(af))
print(id(at))
print(id(af))

# 结果是：
at,subok = True <class 'numpy.matrix'>
af,subok = Flase <class 'numpy.ndarray'>
2166468336280
2166468449712