【和小安一起学习·数据分析】（一）NumPy到底怎么用

01、前言

各位小伙伴们大家好，这里是 【和小安一起学习数据分析】 系列栏目的第一期 numpy到底怎么用，接下来的一个月中，我会陆续更新python有关数据分析的几个库NumPy、pandas、SciPy、matplotlib的学习心得，希望能对大家有所帮助，如有不妥之处，也请大家不吝赐教。

02、NumPy是什么/有什么用？

在学习具体的函数使用、数组创建、索引等知识前，私以为，我们应该先了解，NumPy到底是什么，我在什么时候会用到它，为什么要用它，为什么不用python自带的数组等等问题。接下来，让我们一一来解答这些问题。

1、NumPy到底是什么？

按照官方的说法，NumPy是使用Python进行科学计算的基础软件包。它包括：

• 功能强大的N维数组对象（ndarray）
• 精密广播功能函数
• 集成 C/C+和Fortran 代码的工具
• 强大的线性代数、傅立叶变换和随机数功能

按照我的理解，NumPy其实是一个典型的数据结构型的库，和C++中的< set >、< vector >等类似，都是以一个数据结构（NumPy中的ndarry）为核心，然后集成了一系列这个数据结构相关的属性、方法，我们学习这个库，其实就是在学习这个数据结构的属性和方法。

2、NumPy真的很好用？

在计算机界，一个库、一个轮子的火热，很大程度上都应该是因为这个轮子很好用，NumPy的火热也是如此。通常来说，好用都是比出来的，我们先来比较一下NumPy数组（ndarray）和python数组（Array）之间的区别。

• NumPy 数组在创建时具有固定的大小，与Python的原生数组对象（可以动态增长）不同，更改ndarray的大小将创建一个新数组并删除原来的数组
• NumPy 数组中的元素都需要具有相同的数据类型，因此在内存中的大小相同
• NumPy 数组有助于对大量数据进行高级数学和其他类型的操作。通常，这些操作的执行效率更高，比使用Python原生数组的代码更少
• 越来越多的基于Python的科学和数学软件包使用NumPy数组; 虽然这些工具通常都支持Python的原生数组作为参数，但它们在处理之前会还是会将输入的数组转换为NumPy的数组，而且也通常输出为NumPy数组。换句话说，为了高效地使用当今科学/数学基于Python的工具（大部分的科学计算工具），你只知道如何使用Python的原生数组类型是不够的 ，还需要知道如何使用 NumPy 数组

说白了，就NumPy数组比python数组，更快，更方便，功能更多，同时NumPy本身还与python的其他科学和数学库有联系，所以学习NumPy是数据分析的重要基础。

3、NumPy有些什么用？

前面说了这么多，大家可能还是不知道NumPy到底可以干什么，这里给大家一个简单的总结，一句话，和矩阵有关的它都能干。像什么，深度学习、数据分析、矩阵运算等等，都需要用到NumPy。

03、ndarray的创建和基本属性

前面说了一堆废话，我们还是抓紧时间来进入正题。正如前文所述，NumPy的核心就是ndarray这个数组，所以我们先来讲怎么创建ndarray数组。

上述就是常用的一些创建方法，然后我们来看看一个正常的ndarray有哪些属性。

我们其实可以在创建ndarray时就指定一些属性。

04、总结

本期文章围绕ndarray介绍了NumPy的基本使用，希望能就自己的理解与大家讨论，本人也是初学，如有过失之处，还望大家予以指点。