Python数据分析学习系列一——Numpy入门学习

• Numpy是高性能科学计算和数据分析的基础包。它是Pandas等其他各种工具的基础。
• Numpy的主要功能：
  • ndarray，一个多维数组结构，高效且节省空间
  • 无需循环对整租数据进行快速运算的数学函数
  • 线性代数、随机数生成和傅里叶变换功能
• 安装方法：pip install numpy
• 引用方式：import numpy as np

import numpy as np

1 为什么用numpy？

• 已知若干家跨国公式市值，要转换成人民币。
• 已知购物车中没见商品的价格与商品件数，求总金额。

import random
a = [random.uniform(100.0, 200.0) for i in range(50)] #假设已知50家公司市值
x = 6.8 #1美元=6.8元人民币

# 转换成人民币，列表——循环
b = []
for each in a:
    b.append(each*x)

# 转换成人民币，数组——“*”
a = np.array(a)
a*x

array([ 971.54836946, 1230.25801894, 1009.93695086,  778.07069875,
       1347.34192239,  830.85694411,  992.91816716,  968.82463502,
        790.61843367,  750.04659306,  995.04823811,  940.83119352,
        872.12366111, 1126.5645099 , 1015.98732282, 1286.79370318,
        948.98123827, 1101.00354637,  749.46386142, 1343.44109031,
       1183.17936556, 1235.68030649,  981.63529056, 1231.32330003,
        963.56396015,  923.67919752, 1053.00562042, 1341.81973736,
       1155.96713625,  873.60675873,  939.44328417,  700.71536278,
       1123.45339544,  938.23929525,  971.43311266, 1207.33747815,
       1318.36436382, 1159.48810275,  959.64425333,  733.97983522,
        765.57555447,  826.24023719, 1254.31439198, 1050.46916221,
       1103.59573233,  707.05767038,  698.0050053 , 1068.71018975,
       1261.34352252,  832.40313494])

a = [random.uniform(10.0,20.0) for i in range(50)]
b = [random.randint(1,10) for i in range(50)]

a = np.array(a) #s转换成数组
b = np.array(b)
(a * b).sum()# a×b并求和

3676.0083431293015

2 Numpy基础

2.1 创建ndarray：np.arrray(array_like)

• 数组与列表的区别：
  • 数组对象内的元素类型必须相同
  • 数组大小不可改变

np.array([1,2,3,4,5])

array([1, 2, 3, 4, 5])

a = np.array(range(10))
a

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

np.array(range(10), dtype='float')

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

2.2 ndarray-数据类型

• 布尔型：bool_
• 整型：int_ int8 int16 int32 int54
• 无符号整数：uint8 uint16 uint32 uint54
• 浮点型：float_ float16 float32 float64
• 复数型：complex_ complex64 complex128

a = np.array(range(10))

a.dtype# 返回数据类型

dtype('int32')

2.3 ndarray-常用属性

• T 数组的转置（一维数组不能转置）
• size 数组元素的个数
• ndim 数组的维数
• shape 数组的维度大小（返回元组形式）
• dtype 数组元素的数据类型

a.size# 返回元素个数

10

a = np.array([[1,2,3],[4,5,6]])
a

array([[1, 2, 3],
       [4, 5, 6]])

a.size

6

a.shape

(2, 3)

a = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])

a.shape

(2, 2, 3)

a = np.array([[1,2,3],[4,5,