【Python学习笔记】- Day6

Python不仅适用于研究和原型构建，同时也适用于构建生产系统。

对于高并发，多线程的应用程序，Python不是一种理想的编程语言，因为Python有一个叫 全局解释锁 的东西，这是一种防止解释器同时执行多条Python字节码指令的机制。这并不是说Python不能执行真正的多线程并行的代码，只不过这些代码不能在单个Python进程中执行而已。

重要的Python库

NumPy

科学计算的基础包，提供的功能

• 快速高效的多维数组对象ndarray
• 用于对数组执行元素级计算以及对数组执行数学运算的函数
• 用于读写硬盘上基于数组的数据集的工具
• 线性代数运算、 傅里叶变换，以及随机数的生成
• 用于将C、C++、Fortran代码集成到Python的工具

对于大部分数据分析应用而言，功能体现有

• 用于数据整理和清理、子集构造和过滤、转换等快速的矢量化数组运算
• 常用的数组算法，如排序、唯一化、集合运算等
• 高效的描述统计和数据聚合/摘要运行

创建ndarray

使用array函数，接受一切序列化型的对象（包括其他数组），然后产生一个新的含有传入数据的NumPy数组.数据类型保存在一个特殊的dtype对象中

import numpy as np
data1 = [6,7.5,8,0,1]
arr1 = np.array(data1)
print(arr1)

除np.array之外，还有一些函数也可以新建数组。比如zero和ones分别可以创建指定长度或形状的全0或全1数组

print(np.zeros(10))
print(np.ones(10))

ndarray的数据类型

dtype (数据类型 )是一个特殊对象，含有ndarray将一块内存解释为特定数据类型所需的信息

arr1 = np.array(data1,dtype=np.float64)

dtype是Numpy如此强大和灵活的原因之一。多数情况下，它们直接映射到相应的机器表示，这使得“读写磁盘上的二进制数据流”以及“集成低级语言代码（如C、Fortran）”等工作变得简单。数值型dtype的命名方式相同：一个类型名（如float或int）,后跟一个表示各元素位长的数字。通过ndarray的astype方法显示地装换其dtype

数组和标量之间的运算

矢量化：用数组表达式代替循环

广播：不同大小的数组之间的运算

布尔型索引

布尔型数组的长度必须跟被索引的轴长度一致，还可以将布尔型数组跟切片、整数（或整数序列）混合使用

names ==