Python数据分析numpy学习

Python数据分析的基本技能包括：
1.Python编程语言基础知识
2.数据处理和清洗技能
3.数据可视化技能
4.数据分析和建模技能
—— Notion AI

前言

本文是参加新星计划Python学习方向的学习笔记，感谢“是Dream呀”老师的Python知识分享。下面主要介绍Python库numpy的学习，供各位小伙伴参考。

一、numpy是什么

（一）NumPy是一种用于数值计算和科学计算的Python库。它提供了高效的多维数组对象和相关的操作函数，是进行数据分析和科学计算的重要工具之一。
（二）NumPy数组是指一种包含相同类型元素的网格，可以是一维数组、二维数组、三维数组等。与Python内置的列表相比，NumPy数组提供了更高效的数据存储和操作方式，对于大规模数据的处理和计算更加方便和高效。NumPy提供了丰富的数组操作和函数，可以进行向量化运算，使得相同的操作可以同时作用于数组中的每个元素，从而提高了计算效率。
（三）此外，NumPy还提供了许多用于科学计算的函数和工具，例如线性代数、傅里叶变换、随机数生成等。数值计算中广泛使用的线性代数库、统计函数库、随机数生成函数库等都是基于NumPy实现的。

二、numpy基础

（一）数组对象

1. 用np.ndarray类的对象表示n维数组
   实际数据：数组中元素
   元数据：描述数组中的元素
   将实际数据与元数据分开存放，一方面提高了内存空间的使用效率，另一方面减少对实际数据的访问频率，提高性能。
2. numpy数组是同质数组，即所有元素的数据类型必须相同。
3. numpy数组的下标从0开始，最后一个元素的下标为数组长度减1。
4. np.ndarray.dtype/shape/size：类型/维度/大小
5. np.arange(起始值,终止值,步长) -> 等差序列

import numpy as np

a = np.arange(1, 10)
print(a, type(a[0]), a.dtype)

import numpy as np

a = np.arange(1, 3)
print(a, a.shape)

b = np.array(
    [[1, 2., '3'],
     [4, 5, 6]]
)
print(b, b.shape)

c = np.array([np.arange(1, 4),
              np.arange(4, 7),
              np.arange(7, 10)])
print(c, c.shape)

import numpy as np

a = np.array([[10, 20, 30],
              [40, 50, 60]])
print(a.shape, a.size, len(a))

总结

Python数据分析是指使用Python编程语言对数据进行收集、处理、分析和可视化的过程。Python数据分析是数据科学的重要组成部分，也是数据分析师和数据科学家必备的技能之一。