这篇博客介绍了Python数据处理的基础流程，涉及numpy、pandas和matplotlib。numpy是用于数据计算的核心库，主要数据类型为ndarray，而pandas在其基础上增加更多功能，数据类型包括dataframes和series。通过将Python的list转换为numpy的array，可以进行数据处理。文章通过实例展示了如何进行这种转换，并强调了在数据处理和可视化中的作用。
【每天几分钟，从零入门python编程的世界！】
之前我们在学习数据可视化的时候，已经接触并了解了matplotlib，在用matplotlib画出图形之前，我们接触并引入了pandas，是用pandas先对数据进行处理，然后再用matplotlib去画图。
还有一个numpy，numpy和pandas要学就要一起学，因为它们都是用来先对数据进行处理，然后再用matplotlib去画图，这是数据可视化的流程。
我们先接触了这些库和使用流程，接下来就是具体了解它们到底是什么东西。
numpy是Python中非常核心的用来进行数据计算的常用的库，它的主要的核心的datatype叫ndarray，即以ndarray作为数据的类型，用它来组成数据进行分析。而pandas是基于numpy，对numpy进行了一些改进，并增加了其他的一些功能，pandas里面的主要数据类型是dataframes和series。
刚开始我们对于简单的数据运算和处理使用numpy，再复杂一点我们就使用pandas，所有数据处理完之后用matplotlib进行数据可视化，这就是整个的数据处理的流程。
numpy底层是用c和Fortran这两个语言写的，Python的很多库都是用c语言写的，所以Python有一个缺点就是运行速度不快，但是我们使用Python的时候只要把逻辑写好，就可以用Python调用很多其他的库实现我们想要的功能。
numpy必须要涉及到数学里面的矩阵或者说物理里面的向量，但是目前我们先不用去想这些数学知识，我们现在只是用Python来编程，所以我们只需要先把Python里面原有的list、tuple、dictionary这些类型的数据转换成numpy面可以进行数据处理的格式--ndarray，只要把数据转换成ndarray，就可以用numpy进行处理了。目前我们只要知道这一点就够了。
在我们学到后面时，我们会发现把Python中的list转换成numpy中的array的时候，在数学和物理上也有对应的意义，但是目前我们不用理解这个array在物理上有什么意义。
现在我们开始学习如何把Python中的list数据转换成numpy中的array。调用numpy的array函数，把list作为array函数的参数，就可以把list转换成ndarray。
代码如下：
运行结果：
我们看到numpy的array打印出来的形式，跟Python的list的区别是：numpy的array类型的数据之间没有了逗号。
也可以把多个Python的列表数据转换成numpy中的一个多维的array，然后我们把转换后的结果的数据类型打印出来。
代码如下：
运行结果：
我们看到以上代码中，我们把Python的两个list转换成了numpy的一个二维的array。并且把转换后的结果的type打印出来之后，显示，表示把Python的list数据类型转换成了numpy中的ndarray数据类型。
小总结：在Python中引用numpy进行数据处理时，我们需要先把Python中的数据类型转换成numpy中的ndarray数据类型，只有ndarray这种数据类型，才能被numpy进行处理。理解了这一点就够了。
我是时问新，欢迎关注我。跟我一起从零开始学习Python，每天花一点时间，开启python编程新世界的大门，领略新的风光，让人生多一种可能！
扫一扫
21万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
