最新消息:XAMPP默认安装之后是很不安全的,我们只需要点击左方菜单的 "安全"选项,按照向导操作即可完成安全设置。

Python数据分析——numpy简介

XAMPP案例 admin 626浏览 0评论

什么是数据分析

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
使用python做数据分析的常用库有
1.numpy 基础数值算法
2.scipy科学计算
3.matplotlib 数据可视化4,pandas 序列高级函数

numpy简介

NumPy(Numerical Python)是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix)),支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。

numpy 支持的数据类型比 Python 内置的类型要多很多,基本上可以和 C 语言的数据类型对应上,其中部分类型对应为 Python 内置的类型。

名称 描述
bool_ 布尔型数据类型(True 或者 False)
int_ 默认的整数类型(类似于 C 语言中的 long,int32 或 int64)
intc 与 C 的 int 类型一样,一般是 int32 或 int 64
intp 用于索引的整数类型(类似于 C 的 ssize_t,一般情况下仍然是 int32 或 int64)
int8 字节(-128 to 127)
int16 整数(-32768 to 32767)
int32 整数(-2147483648 to 2147483647)
int64 整数(-9223372036854775808 to 9223372036854775807)
uint8 无符号整数(0 to 255)
uint16 无符号整数(0 to 65535)
uint32 无符号整数(0 to 4294967295)
uint64 无符号整数(0 to 18446744073709551615)
float_ float64 类型的简写
float16 半精度浮点数,包括:1 个符号位,5 个指数位,10 个尾数位
float32 单精度浮点数,包括:1 个符号位,8 个指数位,23 个尾数位
float64 双精度浮点数,包括:1 个符号位,11 个指数位,52 个尾数位
complex_ complex128 类型的简写,即 128 位复数
complex64 复数,表示双 32 位浮点数(实数部分和虚数部分)
complex128 复数,表示双 64 位浮点数(实数部分和虚数部分)

 

numpy基础:ndarray数组

内存中的ndarray

内存中的ndarray对象可以分为元数据(metadata)和实际数据,元数据存储对目标数组的描述信息,如:dim count,dimensions,dtype,data等。实际数据用以储存完整的数组数据

与变量相似我们可以用标签的方式去理解ndarry的实际储存模式

drh0042

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。

ndarray数组对象的特点

  1. Numpy数组是同质数组,即所有元素的数据类型必须相同
  2. 2.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11

ndarray数组对象的创建方法
1.np.array(任何可被解释为Numpy数组的逻辑结构)

import numpy as np
ary=np.array([1,2,3,4,5,6])
print(ary,type(ary))

2.np.arange(起始位置,终止位置,步长)跟range类似

import numpy as np
a=np.arange(0,5,1)
print(a)

3.np.zeros(数组长度,数组元素类型)产生相同元素的一个0数组

import numpy as np
a=np.zeros(10,dtype=int)
print(a)

4.np.ones(数组长度,数组元素类型)产生相同元素的一个1数组

import numpy as np
a=np.ones(10,dtype=int)
print(a)

ndarray数组的运算

同单个标量运算不同,ndarray提供了十分简便的数组运算,使用数组我们可以单次进行大量的数据修改和计算

1.np的加减运算

drh00042

这里我们可以看作是Python中的列表生成式,我们在对np集合进行加减运算时,实际上是对该集合进行打包运算

a=[1,2,3,4,5,6]
b=[i+3 for i in a]
print(b)

2.np的乘除运算

drh000042

同上

3.np的比较运算

drh0000042

我们都知道,比较运算将产生一个布尔值,这里的判断将会直接将结果储存在列表并返回;
这里1,2,3,4,5,6中只有4,5,6大于3故产生了3个false3个true

转载请注明:XAMPP中文组官网 » Python数据分析——numpy简介

您必须 登录 才能发表评论!