图解数据分析(8) | Numpy - 统计与数据科学计算工具库介绍（数据科学家入门·完结）

ShowMeAI研究中心

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