7、深入探索NumPy与pandas：数据处理的强大工具

深入探索NumPy与pandas：数据处理的强大工具

1. NumPy基础概念

1.1 副本与视图

在使用NumPy操作数组时，赋值操作不会创建数组的副本。例如：

import numpy as np
a = np.array([1, 2, 3, 4])
b = a
a[2] = 0
print(b)  # 输出: array([1, 2, 0, 4])

这里 b 只是 a 的另一种引用方式，修改 a 的元素会影响 b 。而切片操作返回的是原数组的视图：

c = a[0:2]
a[0] = 0
print(c)  # 输出: array([0, 2])

若要创建独立的数组副本，可使用 copy() 函数：

a = np.array([1, 2, 3, 4])
c = a.copy()
a[0] = 0
print(c)  # 输出: array([1, 2, 3, 4])

1.2 向量化

向量化是NumPy内部实现的基础之一，它避免了代码中显式的循环。通过向量化，代码更简洁、易读，更具“Pythonic”风格。例如，数组乘法：