利用python进行数据分析（十）

第4章 NumPy基础：数组与向量化计算

NumPy，是Numerical Python的简称，它是目前python数值计算中最为重要的基础包，具有三个显著的优点：它的设计对于含有大量数组的数据非常有效，对于内存的使用少，它可以针对全量数组进行复杂计算而不需要写python循环。

4.1 NumPy ndarry：多维数组对象
NumPy的核心特征之一就是N-维数组对象--ndarry，ndarry是python中一个快速灵活的大型数据集容器，数组允许我们使用类似于标量的操作语法在整块数据上进行数学计算。

一个ndarry是一个通用的多维同类数据容器，也就是说，它包含的每一个元素均为相同的类型。每一个数组都有一个shape属性，用来表征每一维度的数量；每一个数组还有一个dtype属性，用来描述数组的数据类型。

在使用NumPy前，需要导入它，标准的导入方式为：

import numpy as np

4.1.1 生成ndarray
生成数组最简单的方式就是使用array函数。array函数接受任意的序列型对象（也包括其他数组），然后生成一个新的包含传递数据的NumPy数组。

将一个列表转换为数组：

>>>import numpy as np
#将一个列表转换为数组
>>>data1 = [6, 7.5, 8, 0, 1]
>>>arr1 = np.array(data1)
>>>arr1
array([6. , 7.5, 8. , 0. , 1. ])

而嵌套序列，例如等长度的列表，将会自动转换成多维数组：

>>>data2 = [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]
>>>arr2 = np.array(data2)
>>>arr2
rray([[ 1,  2,  3,  4],
       [ 5,  6</