![4c339b2d434da3abbae10303c305b680.png](https://i-blog.csdnimg.cn/blog_migrate/27e87523200cae342e342642dca97e5a.jpeg)
Python生态系统为数据分析师和数据科学家提供了多种数据库,其中Numpy和Pandas是非常重要的两个库,我们的很多数据处理及分析方法就源于其中。
Numpy:这是一个通用程序库,不仅支持常用的数值数组,同时提供了用于高效处理这些数组的函数。
基础篇
Numpy数组是一个多维数组对象,称为ndarray。
要使用Numpy进行数据分析,首先载入numpy包。因为它是第三方工具,所以每次使用前必须在代码中载入。import 包 as 别名 。(别名常用np,这是numpy约定俗成的简写。)
# 导入numpy包
import numpy as np
- (一) 创建数组
使用numpy中的array()函数,新手要记住加np。将系统自带的列表list转换成了numpy中的数组。
![3de515b8ca830bebde04380de3e8693e.png](https://i-blog.csdnimg.cn/blog_migrate/2931c74cc6adeaaa68e34f6fdf716986.png)
除了利用列表创建numpy中的数组,还有其他方式:
# 创建数组:array()函数,括号内可以是列表、元祖、数组、生成器等
- (二) 数组属性
## 数组的轴数
在Numpy中维度(dimensions)叫做轴(axes),轴的个数叫做秩。
用 ndarray.ndim 查询
ar1 = np.array([1, 2, 3, 4, 5])
ar2 = np.array([[ 1, 2, 3, 4,