【python 简易入门应用教程】第二部分：数据处理与分析

第二部分：数据处理与分析

1. Numpy 基础

Numpy（Numerical Python）是一个强大的Python库，专为科学计算而设计。它提供了高效的多维数组对象，以及丰富的函数库来操作这些数组。Numpy 是数据分析和机器学习项目的基础模块之一，相比于纯Python，其处理大规模数据的效率更高。

1.1 Numpy 数组创建与操作

Numpy的核心数据结构是ndarray（n-dimensional array），可以用来存储同一类型的多维数据。理解和掌握Numpy数组的创建和基本操作是后续深入学习的基础。

• 创建Numpy数组：

  • 从Python列表创建：最简单的方式是直接从Python的列表（或嵌套列表）来创建数组。
  • 使用Numpy内置函数：
    • np.array(): 从列表或元组创建数组。
    • np.zeros(): 创建一个全部元素为0的数组。
    • np.ones(): 创建一个全部元素为1的数组。
    • np.arange(): 类似于Python的range()，用于创建一个范围数组。
    • np.linspace(): 创建一个指定起始点和结束点的等差数列数组。

  import numpy as np
  
  list_a = [1, 2, 3]
  array_a = np.array(list_a)  # 从列表创建Numpy数组
  array_b = np.zeros((2, 2))  # 创建2x2的全零数组
  array_c = np.ones((3, 3))   # 创建3x3的全一数组
  array_d = np.arange(0, 10, 2)  # 创建从0到10，间隔为2的数组
  array_e = np.linspace(0, 1, 5) # 创建从0到1，等距的5个数
  

• 数组属性:

  • ndarray.ndim: 数组的维度。
  • ndarray.shape: 数组的形状。
  • ndarray.size: 数组中元素的总数。
  • ndarray.dtype: 数组中元素的数据类型。

  print(array_a.ndim)   # 输出数组的维度
  print(array_b.shape)  # 输出数组的形状
  print(array_c.size)   # 输出数组总元素数量
  print(array_d.dtype)  # 输出数组的数据类型
  

• 数组操作：

  • 索引和切片：可类似于Python的列表来对数组进行操作以获取元素。
  • 数组变形：使用reshape()或flatten()方法改变数组的形状。
  • 数组合并：使用hstack()、vstack()、concatenate()等方法合并数组。
  • 数组分割：使用split()、hsplit()、vsplit()等方法对数组进行分割。

  array_f = np.array([[1, 2, 3], [4, 5, 6]])
  print(array_f[1, 2])  # 数组索引，输出6
  
  array_g = array_f.reshape(3, 2)  # 改变数组形状为3x2
  array_h = array_f.flatten()  # 将多维数组展平成一维
  
  array_i = np.hstack((array_a, array_d))