
- 作者:韩信子@ShowMeAI
- 教程地址:https://www.showmeai.tech/tutorials/33
- 本文地址:https://www.showmeai.tech/article-detail/141
- 声明:版权所有,转载请联系平台与作者并注明出处
- 收藏ShowMeAI查看更多精彩内容
一、NumPy介绍

数据分析、机器学习和深度学习领域,很多计算过程可以通过向量和矩阵进行并行化的高效处理,而NumPy可以很好地支撑向量化运算。NumPy 包是Python生态系统中科学计算的核心支撑之一,数据分析工具库 pandas,计算机视觉工具库OpenCV等库都基于NumPy。熟悉NumPy之后,知名的深度学习框架PyTorch、TensorFlow、Keras等,也可以直接迁移应用处理的方式,很多操作甚至无需更改就可以在GPU运行计算。
n维数组是NumPy的核心概念,大部分数据的操作都是基于n维数组完成的。本系列内容覆盖到1维数组操作、2维数组操作、3维数组操作方法,本篇为系列导入文章。
二、NumPy数组
2.1 列表 VS 数组
n维数组是NumPy中最核心的结构之一。数组与Python列表有些相似:都用来装载数据,都能够快速添加或获取元素,插入和移除元素则比较慢。
但NumPy数组因其广播特性可以直接进行算术运算,而Python列表则需要用列表推导式等操作来完成。对比示例如下(左侧为列表,右侧为NumPy数组):

2.2 Numpy数组其他特点
-
更紧凑,高维时尤为明显
-
向量化后运算速度比列表更快
-
在末尾添加元素时不如列表高效(左侧为列表,右侧为NumPy数组)
-
元素类型一般比较固定

其中,O(N)表示完成操作所需的时间与数组大小成正比(请见Big-O Cheat Sheet),O(1)表示操作时间与数组大小无关(详见Time Complexity)。
一键运行所有代码
图解数据分析系列 配套的所有代码,可前往ShowMeAI 官方 GitHub,下载后即可在本地 Python 环境中运行。能访问 Google 的宝宝也可以直接借助 Google Colab一键运行与交互学习!
下载数据分析速查表
Awesome cheatsheets | ShowMeAI速查表大全 系列包含『编程语言』『AI技能知识』『数据科学工具库』『AI垂直领域工具库』四个板块,追平到工具库当前最新版本,并跑通了所有代码。点击 官网 或 GitHub 获取~

👇 数据分析相关速查表(部分):
| 内容 | 速查表(部分) | Github代码 |
|---|---|---|
| Python 3速查表 | ![]() | 一键运行速查表代码 - Python |
| Numpy 速查表 | ![]() | 一键运行速查表代码 - Numpy |
| Pandas 速查表 | ![]() | 一键运行速查表代码 - Pandas |
| Matplotlib 速查表 | ![]() | 一键运行速查表代码 - Matplotlib |
| Seaborn 速查表 | ![]() | 一键运行速查表代码 - Seaborn |
拓展参考资料
- 利用Python进行数据分析·第2版
- w3schools pandas tutorial
- Kaggle的Pandas入门教程
- 十分钟入门 Pandas
- Pandas可视化教程
- Pandas官方教程
- Seaborn官方教程
ShowMeAI图解数据分析系列推荐(数据科学家入门)
- 图解数据分析(1) | 数据分析介绍
- 图解数据分析(2) | 数据分析思维
- 图解数据分析(3) | 数据分析的数学基础
- 图解数据分析(4) | 核心步骤1 - 业务认知与数据初探
- 图解数据分析(5) | 核心步骤2 - 数据清洗与预处理
- 图解数据分析(6) | 核心步骤3 - 业务分析与数据挖掘
- 图解数据分析(7) | 数据分析工具地图
- 图解数据分析(8) | Numpy - 统计与数据科学计算工具库介绍
- 图解数据分析(9) | Numpy - 与1维数组操作
- 图解数据分析(10) | Numpy - 与2维数组操作
- 图解数据分析(11) | Numpy - 与高维数组操作
- 图解数据分析(12) | Pandas - 数据分析工具库介绍
- 图解数据分析(13) | Pandas - 核心操作函数大全
- 图解数据分析(14) | Pandas - 数据变换高级函数
- 图解数据分析(15) | Pandas - 数据分组与操作
- 图解数据分析(16) | 数据可视化原则与方法
- 图解数据分析(17) | 基于Pandas的数据可视化
- 图解数据分析(18) | 基于Seaborn的数据可视化
ShowMeAI系列教程精选推荐
- 大厂技术实现:推荐与广告计算解决方案
- 大厂技术实现:计算机视觉解决方案
- 大厂技术实现:自然语言处理行业解决方案
- 图解Python编程:从入门到精通系列教程
- 图解数据分析:从入门到精通系列教程
- 图解AI数学基础:从入门到精通系列教程
- 图解大数据技术:从入门到精通系列教程
- 图解机器学习算法:从入门到精通系列教程
- 机器学习实战:手把手教你玩转机器学习系列
- 深度学习教程:吴恩达专项课程 · 全套笔记解读
- 自然语言处理教程:斯坦福CS224n课程 · 课程带学与全套笔记解读
- 深度学习与计算机视觉教程:斯坦福CS231n · 全套笔记解读


本文介绍了NumPy在数据分析和机器学习中的重要性,它提供高效的n维数组操作。NumPy数组与Python列表相比,具备广播特性,支持直接的算术运算,且在运算速度和内存使用上更优。尽管在末尾添加元素效率较低,但其固定的元素类型和紧凑的结构使其成为科学计算的理想选择。此外,文章还提到了NumPy在数据科学工具库如pandas和OpenCV中的基础作用,以及如何无缝对接深度学习框架。





1699

被折叠的 条评论
为什么被折叠?



