python 如何保留计算过程中的位数_Python数据分析第一节 初步认识NumPy

不管你是否相信，数据分析都在成为未来不可或缺的一项技能。不管你是数据分析小白还是对数据分析有很大兴趣的职场人士，都欢迎将此公众号作为入门数据分析的小帮手～

第一节 初步认识NumPy 

目录

一. 数据分析过程

二. 了解NumPy

三. 什么是数组

四. 多维数组的加减乘除

五. 索引

六. 分片

七. 求数组的平均值，标准差

一. 数据分析是一个完整过程，由5个步骤组成：

1. 分析需求；2. 收集数据；3. 数据整理；4. 分析数据；5. 数据可视化 

这5个步骤中，后三个过程需要借助python数据分析来完成

二. NumPy是什么？

NumPy是一个用于数值运算的Python库，全称是Numerical Python, 它是Python数值计算中最重要的基础模块，专门对数值进行优化。NumPy是针对多维数组的一个科学计算模块，最大的优势是运行高效。

三. 数组

今天，我们主要学习NumPy中的一维数组。首先，我们要弄明白什么是数组。

数组是一系列相同类型数据的集合。光看概念是不是很模糊，

举个?：

[1 2 3]这就是一个简单的数组，由中括号，数字，空格组成。(需要注意的是，python语言所有的符号都是英文符号，所以请记得千万不要输入了中文中括号哟～)

了解了数组的概念和例子，接下来我们需要通过代码生成数组

要创建一个多维数组很简单，将一个列表作为参数传入numpy中的array()方法即可：

如果没有接触过python，你需要了解一下什么是列表，举个例子简单说明一下：像[1,2,3]这种就是一个列表形式。

将列表创建成为多维数组的代码如下：

import numpy as np

data=np.array([1,2,3])

print(data)

小贴士：一般我们使用import numpy as np 来简写numpy，后面再遇到np一定要知道它指的是numpy哦～

输出的结果为[1 2 3]，这就是数组，和列表很像，只不过少了逗号。

接下来介绍两个生成特殊数组的方法

1.  np.ones

   我们输入代码：

   ones=np.ones(3)

   print(ones)

   输出的结果为[1. 1. 1.]。可见括号里数字是几就会输出几个1.

2. np.zeros

   类比前面，输入代码：

   zeros=np.zeros(4)

   print(zeros)

   输出的结果为[0. 0. 0. 0.]。可见括号里数字是几就会输出几个0.

需要注意的是，输出的1.和0.代表的是浮点数1.00和0.00。如果我们想让输出的结果为正数的1和0。那么将代码改成np.ones(3, dtype='int')和np.zeros(4, dtype='int')即可。修改之后再输出，结果就是[1 1 1]和[0 0 0 0]了

四. 多维数组的加减乘除

这个部分我们只需要写几个代码的例子就一清二楚了

1. 加法

   data=np.array([1,2])

   ones=np.ones(2)

   print(data+ones)

   输出的结果就是[2 3]

2. 减法

   data1=np.array([5,9,7])

   data2=np.array([2,6,1])

    print(data1-data2)

   输出的结果就是[3 3 6]

乘法和除法道理一样，我们需要注意的是，互相加减乘除的两个数组必须是相同维度的，否则无法运算。

五. 索引

一个数组[1 2 3 4 5 6], 第一个数字1的索引是0，第二个数字2的索引是1，最后第六个数字6的索引是5。索引的目的是输出数组中的某一个数字。

用代码来直观展示一下

data=np.array([1,2,3])

print(data[0])

输出的结果就是数组中第一个数字1

补充：反向索引

一个数组[1 2 3 4 5 6],最后一个数字6可以用-1来索引，倒数第二个数字5用-2来索引，第一个数字1就可以用-6来索引

举个例子：

data=np.array([1,2,3])

print(data[-1])

输出的结果就为最后一个数字3

说明：索引和反向索引的目的是一样的就是为了输出某个数字，根据不同情形，哪样方便我们就用哪个索引方式。

六. 分片

分片的含义其实就是输出数组中的某一范围

代码也很简单，假设我们要输出[1 2 3 4 5 6]数组中前三个数字组成的数组

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

print(data[0:3])

输出的结果为[1 2 3]

我们来仔细研究一下data[0:3]这个代码，0代表数组第一个数字，3代表数组第四个数字，所以要注意分片的写法是一个左闭右开的区间！

另外说明一下，当取到数组最左边的时候，我们可以将范围区间左边的0去掉，如上例也可以写成data[:3]; 同样最右边数字取到的时候也是可以不写索引的。如输出上面数组的后两个数字组成的数组，我们可以写成data[-2:]即可。

还有一个小技巧，分片支持加入第三个参数---步长。即分片时每隔几个数字取一个值，步长的默认值为1。

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

print(data[1:7:2]

输出的结果为[2 4 6]

当步长为负数时，会将顺序反转。我们可以利用这个特性将数组快速的反转

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

print(data[ : :-1])

输出的结果为[6 5 4 3 2 1]

七. 求平均值，标准差

先给大家把求一些参数的语言列示出来，之后再进行讲解

我们来算一下三个运动员成绩的平均值

player1 = np.array([7, 9, 10, 9, 11, 13, 10, 10, 11, 10])
player2 = np.array([7, 9, 8, 9, 11, 10, 11, 12, 10, 13])
player3 = np.array([3, 7, 10, 3, 6, 30, 10, 7, 11, 13])

代码如下

print('球员1得分的平均数为', player1.mean())

print('球员2得分的平均数为', player2.mean())

print('球员3得分的平均数为', player3.mean())

我们发现这三个输出的结果都为10.0

我们不能单单靠平均值来决定谁好谁坏，那么接下来我们可以利用中位数和标准差来进一步分析

算中位数代码如下：

print('球员1得分的中位数为', np.median(player1))

print('球员2得分的中位数为', np.median(player2))

print('球员3得分的中位数为', np.median(player3))

另外，我们还需要算一下标准差

代码如下：

print('球员1得分的标准差为', np.std(player1))

print('球员2得分的标准差为', player2.std())

print('球员3得分的标准差为', player3.std())

今天，我们认识了 numpy 中的多维数组，并学习了多维数组中最简单的一维数组的基本运算和通用方法。多维数组和列表有很多相似的地方，但它比列表更加的简洁和高效。

下一节，我们将进一步认识 numpy，并学习二维数组的用法及 numpy 中的实用方法。

不管你是否相信

数据分析都在成为

未来必备的一项技能