隨著大數(shù)據(jù)時(shí)代的變革，Python越來(lái)越火，通常會(huì)利用Python進(jìn)行數(shù)據(jù)分析；那么如何使用Numpy進(jìn)行數(shù)據(jù)分析，你對(duì)numpy庫(kù)了解多少呢？今天融躍小編就這一問(wèn)題進(jìn)行詳細(xì)的論述，請(qǐng)仔細(xì)閱讀。

1、關(guān)于Numpy

Numpy是高性能科學(xué)計(jì)算和數(shù)據(jù)分析的基礎(chǔ)包，它的部分功能如下：

1）ndarray,一個(gè)具有矢量算術(shù)運(yùn)算和復(fù)雜廣播能力的快速且節(jié)省空間的多維數(shù)組。

2）對(duì)整組數(shù)據(jù)進(jìn)行快速運(yùn)算的標(biāo)準(zhǔn)數(shù)學(xué)函數(shù)

3）用于讀寫磁盤數(shù)據(jù)的工具以及用于操作內(nèi)存映射文件的工具。

2、numpy是什么庫(kù)

NumPy是一個(gè)開源的Python科學(xué)計(jì)算基礎(chǔ)庫(kù)，包含：

一個(gè)強(qiáng)大的N維數(shù)組對(duì)象 ndarray

廣播功能函數(shù)

整合C/C++/Fortran代碼的工具

線性代數(shù)、傅里葉變換、隨機(jī)數(shù)生成等功能

NumPy是SciPy、Pandas等數(shù)據(jù)處理或科學(xué)計(jì)算庫(kù)的基礎(chǔ)

3、numpy庫(kù)有什么用

numpy用途是很廣的，涉及到數(shù)字計(jì)算等都可以使用，它的優(yōu)勢(shì)在于底層是C語(yǔ)言開發(fā)的數(shù)據(jù)*快。

可用來(lái)存儲(chǔ)和處理大型矩陣，比Python自身的嵌套列表結(jié)構(gòu)要高效的多，支持大量的維度數(shù)組與矩陣運(yùn)算，此外也針對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫(kù)。

Python

數(shù)組對(duì)象可以去掉元素間運(yùn)算所需的循環(huán)，使一維向量更像單個(gè)數(shù)據(jù)

設(shè)置專門的數(shù)組對(duì)象，經(jīng)過(guò)優(yōu)化，可以提升這類應(yīng)用的運(yùn)算速度

觀察：科學(xué)計(jì)算中，一個(gè)維度所有數(shù)據(jù)的類型往往相同

數(shù)組對(duì)象采用相同的數(shù)據(jù)類型，有助于節(jié)省運(yùn)算和存儲(chǔ)空間

4、numpy庫(kù)怎么使用

先安裝numpy庫(kù)

pip install numpy

導(dǎo)入使用

import numpy as np

5、關(guān)于創(chuàng)建Numpy數(shù)組有很多方法，以下小編簡(jiǎn)單介紹創(chuàng)建數(shù)組的2種方法。

（1）創(chuàng)建整數(shù)、浮點(diǎn)數(shù)、和復(fù)數(shù)的數(shù)組

import numpy as npA = np.array([[1, 2, 3], [3, 4, 5]]) #創(chuàng)建一個(gè)整數(shù)數(shù)組print(A)A = np.array([[1.1, 2, 3], [3, 4, 5]]) #創(chuàng)建一個(gè)小數(shù)數(shù)組print(A)A = np.array([[1, 2, 3], [3, 4, 5]], dtype = complex) # 創(chuàng)建一個(gè)復(fù)數(shù)數(shù)組print(A)

當(dāng)運(yùn)行上方的代碼時(shí)，我們得到的代碼輸出將會(huì)是：

[[1 2 3] [3 4 5]][[1.1 2. 3. ] [3. 4. 5. ]][[1.+0.j 2.+0.j 3.+0.j] [3.+0.j 4.+0.j 5.+0.j]]

（2）使用arange（）和reshape（）生成矩陣

np.arange（起點(diǎn)，終點(diǎn)，步長(zhǎng)）函數(shù)返回一個(gè)有起點(diǎn)終點(diǎn)的固定步長(zhǎng)的列表。np.arange函數(shù)分為三種情況：

①一個(gè)參數(shù)：參數(shù)值為終點(diǎn)，起點(diǎn)取值默認(rèn)為0，步長(zhǎng)默認(rèn)為1

②兩個(gè)參數(shù)：*個(gè)參數(shù)為起點(diǎn)，第二個(gè)參數(shù)為終點(diǎn)，步長(zhǎng)默認(rèn)

③三個(gè)參數(shù)：*個(gè)參數(shù)為起點(diǎn)，第二個(gè)參數(shù)為終點(diǎn)，第三個(gè)參數(shù)為步長(zhǎng)（支持小數(shù)）

np.reshape（shape）：shape參數(shù)為要設(shè)置矩陣的形狀

下面我們生成一個(gè)長(zhǎng)度為12的一維矩陣，然后將其設(shè)置為一個(gè)3行4列的矩陣

import numpy as npa = np.arange(12)print('a =',a)b = np.arange(12).reshape(3,4)print('b =',b)

通過(guò)運(yùn)行上方的代碼我們得到的輸出為：

a = [ 0 1 2 3 4 5 6 7 8 9 10 11]b = [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]