隨著大數(shù)據(jù)時代的變革,Python越來越火,通常會利用Python進行數(shù)據(jù)分析;那么如何使用Numpy進行數(shù)據(jù)分析,你對numpy庫了解多少呢?今天融躍小編就這一問題進行詳細的論述,請仔細閱讀。

1、關(guān)于Numpy

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

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

2)對整組數(shù)據(jù)進行快速運算的標準數(shù)學函數(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

NumPy是一個開源的Python科學計算基礎(chǔ)庫,包含:

一個強大的N維數(shù)組對象 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、隨機數(shù)生成等功能

NumPy是SciPy、Pandas等數(shù)據(jù)處理或科學計算庫的基礎(chǔ)

3、numpy庫有什么用

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

可用來存儲和處理大型矩陣,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)組與矩陣運算,此外也針對數(shù)組運算提供大量的數(shù)學函數(shù)庫。

Python

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

設置專門的數(shù)組對象,經(jīng)過優(yōu)化,可以提升這類應用的運算速度

觀察:科學計算中,一個維度所有數(shù)據(jù)的類型往往相同

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

4、numpy庫怎么使用

先安裝numpy庫

pip install numpy

導入使用

import numpy as np

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

(1)創(chuàng)建整數(shù)、浮點數(shù)、和復數(shù)的數(shù)組

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

當運行上方的代碼時,我們得到的代碼輸出將會是:

[[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,終點,步長)函數(shù)返回一個有起點終點的固定步長的列表。np.arange函數(shù)分為三種情況:

①一個參數(shù):參數(shù)值為終點,起點取值默認為0,步長默認為1

②兩個參數(shù):*個參數(shù)為起點,第二個參數(shù)為終點,步長默認

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

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

下面我們生成一個長度為12的一維矩陣,然后將其設置為一個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)

通過運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]]