Python数据分析入门（2）——Numpy

N维数据结构（ndarray）

一、N维数组的基本概念和常用属性

顾名思义，N维数组（ndarray）是一个多维数组，描述了相同类型数据的集合

有很多属性可以描述N维数组，最常用的两个属性分别是数据类型和维度。

比如，上一页中，我们用了「整型（int）」和「二维」来描述示例中的数组，依次对应的就是数组的数据类型和维度这两个属性。

1）数据类型

NumPy数组的 数据类型 指的是数组中存储的元素类型，可以是：整型（int）、浮点型（float）、布尔型（bool）等。

需要注意的是，NumPy数组中的所有元素类型必须是一致的。

2）纬度

• 一维空间相当于一根直线。在这样的空间里，只能前进或者后退，所以只有长度的概念。
• 二维空间其实就是一个平面。在这个平面上，除了前进、后退以外，还可以向左或者向右，所以有长度和宽度的概念。
• 三维空间就像是一个立方体。在这个空间里，除了前进、后退、向左和向右移动外，还可以向上或者向下，所以有长度、宽度和高度的概念。

NumPy数组的维度和我们平常说的维度非常相似，接触最多的通常是一维（1D）和二维（2D）数组，可以通过中括号[ ]的层数来确定。

[…]表示一维数组，和Python中的列表长得很像。

在使用print()输出时，它们的区别在于数组之间的元素是用空格分隔，而列表是以逗号分隔。

一维数组的所有元素都在同一「行」里，一行中可以有很多元素。

[[…]]表示二维数组。

二维数组中的每个元素都是一个一维数组，并且每一行的元素数量都是一致的。

在二维数组中：
行数代表二维数组中一维数组的数量；
列数代表一维数组中元素的数量。

以此类推，[[[…]]]表示三维数组，三维数组中的每个元素都是一个二维数组；[[[[…]]]]表示四维数组，四维数组中的每个元素都是一个三维数组…

由于三维及三维以上的数组多用于复杂的科学计算中，平常很少能接触到，所以在这里我们就不进行系统地学习啦。

二、创建一个N维数组

1）安装和导入Numpy模块

安装numpy非常简单，在终端中输入代码：pip install numpy即可。如果在自己电脑上安装不上或安装缓慢，可在命令后添加如下配置进行加速：
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/

安装完后，下一步就是导入numpy。根据NumPy官方文档的倡导，在导入numpy时通常会使用「np」作为numpy的简写，方便以后调用。导入numpy的具体代码如下：

import numpy as np

2）创建n维数组

在导入numpy后，我们就可以开始创建N维数组啦~

创建N维数组的方式有很多，最简单的一种方式就是调用NumPy模块中的array()函数。

函数np.array()

np.array()是NumPy中用来创建N维数组的函数。

import numpy as np
arr =  np.array([1, 2, 3, 4, 5])
print(arr)

结果

[1 2 3 4 5]

掌握了如何创建一维数组后，我们来学习如何创建二维数组。把「序列中套了一个或多个序列」的数据结构作为参数传入np.array()函数里，会返回一个对应的二维数组。

3）N维数组的运算

我们将会从2个方向学习N维数组的计算：

1\ 数组和数的计算

当数组和数字进行计算的时候，NumPy会将该数字的计算过程应用到数组的所有元素上面。

示例中，在把数组arr和数字2相加时，arr中的每个元素都和2进行了运算：

# 使用import导入numpy，并使用"np"作为该模块的简写
import numpy as np

# 使用np.array()函数新建数组arr
arr = np.array([[0.2, 0.9], [0.5, 0.1], [0.1, 0.7]])

# 输出 arr+2 的运算结果
print(arr+2)

结果

[[2.2  2.9]
 [2.5  2.1]
 [2.1  2.7]]

相同形状数组的计算

当相同形状的数组进行计算时，运算也是在相应的元素上进行。

示例中，arrOne是一个2x3的二维数组，arrTwo也是一个2x3的二维数组。

在计算 arrOne-arrTwo 时，arrOne中每个元素都减去了在arrTwo中相对应位置的元素：