Python之数据分析（Numpy的使用、多维数组、数据类型）

写在前面

代码中的np表示的是numpy，因为导入的时候是：import numpy as np

一、数据分析与Numpy

1、数据分析
MATLAB：专业化数据分析工具
Numpy：更简单上手，且结合了MATLAB大部分功能

2、Numpy介绍

• 应用于数值分析领域的Python语言工具
• 是一个开源的科学计算库
• 弥补了作为通用编程语言的Python在数值计算方面能力弱、速度慢的不足
• 拥有丰富的数学函数、强大的多位数组和优异的运算性能
• 与Scipy、scikit、matplotlib等其他科学计算库可以很好协调
• 可以取代matlab等工具，允许用户进行快速开发的同时完成交互式的原型设计

3、Numpy的效率

可以清楚看到，使用Numpy计算的效率是普通python语句计算的近60倍，这里使用的是微秒（10的-6次方）

4、练习代码

import datetime as dt
import numpy as np

n = 100000
start = dt.datetime.now()
A, B = [], []  # 两个空列表
for i in range(n):
    A.append(i ** 2)  # 计算i的平方
    B.append(i ** 3)  # 计算i的3次方
C = []
# 用zip拉链拉起来就可以同时遍历两个列表
for a, b in zip(A, B):
    C.append(a + b)
print("直接：", (dt.datetime.now() - start).microseconds)  # 输出直接用py语句来实现计算的运行时间

# 使用Numpy来实现
start = dt.datetime.now()
C = np.arange(n) ** 2 + np.arange(n) ** 3
print("Numpy：", (dt.datetime.now() - start).microseconds)

二、多维数组

1、多维数组
数组：空间上内存连续，元素同类型
Numpy中的数组：是numpy.ndarray这个类实例化来的对象，用于表示数据结构中的
任意维度的数组（ndarray表示数组名）

2、创建多维数组对象

• numpy.arange（起始，终止，步长）
• numpy.array：被解释为数组的容器
• ndarray.dtype属性：表示元素的数据类型，astype()方法可以修改元素类型（ndarray表示数组名）
• ndarray.shape属性：表示数组的维度，reshapre()方法可以改变维数，如b = np.arange(1, 25).reshape(2, 3, 4)
• 元素索引：数组[页索引][行索引][列索引]；数组[页索引，行索引，列索引]

3、练习代码

import numpy as np

a = np.arange(1,10,2)
print(a)

# 一维数组里面放入一个列表
b = np.array