python数据分析-NumPy (一)

最新推荐文章于 2023-06-14 06:54:49 发布

原创

最新推荐文章于 2023-06-14 06:54:49 发布 · 置顶 · 550 阅读

CC 4.0 BY-SA版权

文章标签：

本文介绍了Python数据分析库NumPy的基础知识，包括从Python列表创建数组、从头创建数组及其标准数据类型。强调了NumPy数组的效率优势，并通过示例展示了如何创建多维数组以及指定数据类型。

1.开发环境：Anaconda3-5.2.0，点击这里下载所有版本

2.语言：python

3.如果对jupyter notebook的快捷键不知道如何使用，点击这里

首先要了解一点，python是动态语言，Java/c是静态语言。这两者最明显的地方就在于java/c需要明确声明变量类型，而python中类型是动态推断的，也就是说在python中任何类型的数据可以指定给任何变量：

a = 5
a = "one"

标准的python实现是用C语言编写的，所以每个python对象都是一个伪c语言结构体。比如说上面的a=5，这里的a其实是一个指针，指向一个 c语言的复合结构体，查看python源代码：

struct _longobject {
   
   
  long ob_refcnt;
  PyTypeObject *ob_type;
  size_t ob_size;
  long ob_digit[1];
};

也就是说python3.X中的一个整型实际上包括4个部分。

python可以创建一个整值型列表、字符串列表、或异构的列表：

L1 = [0,1,2,3,4,5]
L2 = ['0','1','2','3','4','5']
L3 = [True,"1",2.0,3]

python这种灵活性相较静态语言来说很高，但是为了获得这些类型，列表中的每一项必须包含各自的类型信息、引用计数和其他信息，也就是说每一项都是一个完整的python对象。

如果一个列表中只存储同一种类型数据，那么很多信息都是多余的，因此可以使用固定类型的NumPy式数组可以更有效的存储和操作数据。

python3.3之后可以使用内置的数组模块创建统一类型的密集数组：

>>> import array
>>> L = list(range(10))
>>> A = array.array('i',L)
>>> A
array('i', [0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

这里的i是一个数据类型码，表示数据为整型。

更实用的则是NumPy包中的ndarray对象，python的数组对象提供了数组型数据的有效存储，而NumPy为该数据加上了高效的操作。

NumPy包标准别名是np,这里使用np.array从python列表创建数组:

In [1]: import numpy as np
#整型数组
In [2]: np.array([1,2,3,4,5])
Out[2]