利用Python进行数据分析——numpy基础（1）

1、 NumPy基础：数组与向量化计算

  NumPy，是Numerical Python的简称，它是目前Python数值计算中最为重要的基础包。使用numpy模块处理含有大量数组的数据非常有效：

In [1]: import numpy as np
In [3]: arr = np.arange(1000000)
In [4]: l = list(range(1000000))
In [3]: %time for _ in range(10): arr * 2
# Wall time: 28.9 ms
In [6]: %time for _ in range(10): l = [x * 2 for x in l]
# Wall time: 968 ms

  显然使用numpy模块，更快。

1.1 NumPy ndarray：多维数组对象

  NumPy的核心特征之一就是N-维数组对象——ndarray。ndarray是Python中一个快速、灵活的大型数据集容器。

data = np.random.randn(2, 3)
print(data)
'''
[[-0.7442156   2.04537597 -0.18150464]
 [-2.56139122  0.53360941  0.90499989]]
'''
print(data.shape)
print(data.dtype)
'''
(2, 3)
float64
'''

1.1.1 生成ndarray

  列别表的转换：

In [2]: data1 = [6, 7.4, 7, 2, 0]

In [3]: arr1 = np.array(data1)

In [4]: arr1
Out[4]: array([ 6. ,  7.4,  7. ,  2. ,  0. ])

  嵌套序列，例如同等长度的列表，将会自动转换成多维数组：

In [5]: data2 = [[1,2,3,4], [5,6,7,8]]

In [6]: arr2 = np.array(data2)

In [7]: arr2
Out[7]:
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])

  dtype可以用于推断数据类型：

In [8]: arr2.dtype
Out[8]: dtype('int32')

  给定长度及形状后，zeros可以一次性创造全0数组，ones可以一次性创造全1数组。empty则可以创建一个没有初始化数值的数组。

In [9]: np.zeros(