数据分析三大利器学习笔记-1

Numpy

大体内容：

Numpy是高效的运算工具；Numpy的优势;ndarry属性;Numpy的基本操作：ndarray.方法()，numpy.函数名();ndarray运算：逻辑运算，统计运算，数组间运算;合并，分割，IO操作，数据处理（更多的用pandas)

1.Numpy优势

Numpy是一个开源的Python科学计算库，用于快速处理任意维度的数组

Numpy支持常见的数组和矩阵操作，对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多

  num-numerical 数值化的 ； py-python ； ndarray:n-任意个 d-dimension array-数组

Numpy提供了一个n维数组类型ndarray，它描述了相同类型的items的集合

例如：

 ndarray与Python原生list运算效率对比

 

 ndarray的优势

a.存储风格：

     ndarray-相同类型的存储-通用性不强

     list-不同类型的存储-通用性很强

如图所示：

 从图中可以看出ndarray在存储数据的时候，数据与数据的地址是连续的，这样就给使得批量操作数组元素时速度更快

这是因为ndarray中的所有元素的类型都是相同的，而Python列表中的元素类型是任意的，所以ndarray在存储元素时内存可以连续，而Python原生list就只能通过寻址方式找到下一个元素，这虽然也导致了在通用性能方面Numpy的ndarray不及Python原生list,但在科学计算中Numpy的ndarray就可以省掉很多循环语句，代码方面要比原生list简单很多

b.并行化运算

     ndarray支持向量化运算

c.底层语言

     Numpy底层使用C语言编写，内部解除了GIL（全局解释器锁），其对数组的操作速度不受Python解释器的限制，效率远高于纯Python代码

认识N维数组-ndarray属性

ndarray的属性  最重要的是shape和dtype

ndarry的形状

 三维数组最外层是看嵌套了几个二维数组，然后才是二维数组的形状

ndarray的dtype类型

 在创建ndarray的时候，如果没有指定类型，默认类型是int64(如果数据类型是整型），如果数据类型是浮点型&