数据分析 — Numpy 数组处理

一、简介

1、概念

NumPy（Numerical Python）是一个用于科学计算的 Python 库，提供了多维数组对象（ndarray）以及数学函数，用于处理大规模数据集和执行数值计算。

2、优点

当数据量达到一定级别后，NumPy 计算会比原生 Python 快。

import time
start_time = time.time()
numbers = list(range(1, 1000001))
total = sum(numbers)
end_time = time.time()
print("原生 Python 计算100万个元素的和耗时：", end_time - start_time)

import time
import numpy as np
start_time = time.time()
numbers = np.arange(1, 1000001)
total = np.sum(numbers)
end_time = time.time()
print("NumPy 计算100万个元素的和耗时：", end_time - start_time)

3、特点

Numpy 的主要对象是同种元素的多维数组。这是⼀个所有的元素都是⼀种类型、通过⼀个正整数元组索引的元素表格（通常是元素是数字）。在 Numpy 中维度（dimensions）叫做轴（axes），轴的个数叫做秩（rank）。

NumPy 数组是⼀个多维数组对象，称为 ndarray。由两部分组成：实际的数据和描述这些数据的元数据。

4、作用

可以构造⼀个比普通列表大的多的数组，并且可以很灵活的对其中所有的元素进行并行化操作。

5、引用

pip install numpy
import numpy as np # 导入 NumPy 库并使用别名 np

二、创建数组

1、创建一维数组

一维数组是最简单的数组形式，也被称为向量，它只有一个维度，即行（或列）。

一维数组类似于 Python 中的列表，但它可以包含相同类型的数据元素。

一维数组在数学和计算中常用于表示一系列数据点或向量。

创建方式

• 直接传入列表的方式

import numpy as np  # 导入 NumPy 库并使用别名 np
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)  # [1 2 3 4 5]

• 传入 range 生成序列

import numpy as np  # 导入 NumPy 库并使用别名 np
arr2 = np.array(range(1, 6))
print(arr2)  # [1 2 3 4 5]

• 使用 numpy 自带的 np.arange() 生成数组

import numpy as np  # 导入 NumPy 库并使用别名 np
# np.arange(起始索引,结束索引,步长)
arr3 = np.arange(1, 6, 2)
print(arr3)  # [1 3 5]

• 使用 np.linspace() 生成等间隔的数组

import numpy as np  # 导入 NumPy 库并使用别名 np
# np.linspace(起始索引,结束索引,步长)
arr4 = np.linspace(1, 5, num=5)
print(arr4)  # [1. 2. 3. 4. 5.]

3、创建二维数组

• 二维数组是具有两个维度的数据结构，通常表示矩阵。
• 第一个维度表示行数，第二个维度表示列数。
• 二维数组在数学和计算中用于表示表格数据、图像、矩阵等多种数据结构。

import numpy as np  # 导入 NumPy 库并使用别名 np
# 创建包含2行3列的二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
# [[1 2 3]
#  [4 5 6]]

# 创建一个2x3的二维数组，其中每个元素都是0
arr = np.array([[0, 0, 0], [0, 0, 0]])
print(arr)
# [[0 0 0]
#  [0 0 0]]

# 创建一个2x3的全0二维数组
arr = np.zeros((2, 3))
print(arr)
# [[0. 0. 0.]
#  [0. 0. 0.]]

# 创建一个2x3的全1二维数组
arr = np.ones((2, 3))
print(arr)
# [[1. 1. 1.]
#  [1. 1. 1.]]

# 创建一个2x2的单位矩阵
arr = np.eye(2)
print(arr)
# [[1. 0.]
#  [0. 1.]]

三、属性和数组运算

1、基本属性

• 元素个数：size
• 元素类型：dtype
• 元素字节大小：itemsize
• 秩：ndim
• 维度：shape
• 元素缓冲区：data

import numpy as np  # 导入 NumPy 库并使用别名 np
arr = np.array([1,