Python入门教程(二):Numpy数组基础
最新回答
西雅图很忙°
2024-10-12 08:47:08
Python中的数组操作几乎等同于Numpy数组操作，今天我们会展示用Numpy数组操作获取数据或者子数组，对数组进行分裂，变形和连接的例子。
首先，我们先介绍几类基本的数组操作：
数组的属性
确定数组的大小，形状，储存大小，数据类型
数组的索引：
获取和设置各个元素的值
数组的切分：
在大的数组中获取或设置更小的子数组
数组的变形
改变给定数组的形状
数组的拼接和分裂
将多个数组合并为一个，以及将一个数组分类为多个。
1 Numpy数组的属性
Numpy数组的属性包括ndim(数组的维度),shape(数组每个维度的大小),size(数组总的大小)，dtype(数据类型)以及itemsize(每个数组元素的字节大小)下面我们通过几个示例来了解数组的属性。
首先，生成不同维度的数组。
其次，查看x3数组的属性，有结果可见，x3是一个3维的数组，每一个维度都有三行四列，其中一共包含60个元素。
查看数组的数据类型
查看数组每个元素的字节大小，一般情况下nbytes=itemsize*size
2 数组索引-获取单个元素
一维数组
在一维数组中可以通过中括号指定索引获取第i个值。
Python中的索引从0开始计数，直到n-1，以下例子获取了x1中的第1一个数值和第5个值。
负值索引可以获取末尾索引。
多维数组
在多维数组中，可以用逗号分隔的索引元组获取元素。
3 数组切片-获取子数组
切片(slice)符号为冒号加中括号，可以获取子数组，其语法与Python列表的标准切片语法相同，包括三个参数，分别是开始位置，结束位置，bu cha其表现形式如下：
x[start:stop:step]
一维子数组
一维逆序数组
多维子数组
多维切片也采用同样的处理方式，用逗号分隔。
获取数组的行和列
如果需要获取数组的单行或者单列，可以通过索引与切片组合起来实现这个功能，用冒号（：）来表示这个功能。
4 数组的变形
reshape()函数实现数组的变形
reshape()函数实现数组的变形需要保证的是，与啊是数组的大小必须和变形后的数组大小保持一致。
reshape()或newaxis()将一维数组转换为二维数组的行或列的矩阵
5 数组的拼接和分裂
数据的拼接
当我们遇到多个数组，想要把这些数组合并到一起就涉及到了数组的拼接，常用的拼接函数有np.concatenate, np.vstack, 和np.hstack，具体用法请看下面示例。
np.vstack(垂直栈)和np.hstack(水平栈)实现沿着固定维度处理数组。
与拼接相反的过程是分裂，分裂常用到的函数有np.split, np.hsplit, and np.vsplit函数实现，可以向上传递一个索引列表作为参数，索引列表记录为分裂点位置。N个分裂点会得到N+1个子数组
数据分析师除了掌握数据分析工具之外，拥有数据思维也是极为重要的。 数据分析师这个岗位并不直接参与到业务决策中，就算数据分析师提出合理、切实可行的意见或建议，业务方也不一定采纳。所以这类问题考验的已经不是数据分析师基础的数据分析能力，更多的是其软技能、沟通能力及影响力。数据分析师在提出意见和建议时可以考虑用图表代替文字说明问题，用业务方听得懂的话代替专业术语陈述建议。另外，如果你的建议能够帮助业务方提升 KPI，那么业务方多少会对你的建议感兴趣。当然，从不同的业务出发，从不同的分析角度着手，都能提出各种不同的建议。所以本节只是抛砖引玉，至于如何在不同业务形态中提出合理、可行的建议，就需要数据分析师在实践中积累了。
市面上大部分数据分析相关的书籍都是从工具的介绍开始的，但很多时候数据分析主要依靠数据思维。 特别是面对复杂业务场景时，对于业务的熟悉程度及数据思维显得尤为重要。 因为数据思维决定了分析问题的角度及合理性，只要数据分析师能够针对特定问题提出分析方案，无论用什么工具都可以得到结果，因此数据思维是数据分析师成长进阶路上的必修课。 而市面上关于数据思维的书籍较少且部分书籍讲授的知识点较浅，能够将数据思维、编程语言、统计学思想及案例分析等融为一体的书籍少之又少，强烈给大家推荐这本以数据分析全流程为主线的数据思维的书——《数据分析之道——用数据思维指导业务实战》。
附上全书的目录，本书围绕数据思维展开，一共11章内容。
Python系列文章持续更新中
往期推荐
史上最全的统计学基础知识！错过这次再等一年！！
你的Python基础知识是成体系的吗？这套核心知识体系思维导图送给你！
SQL知识大全(六):SQL中的开窗函数
史上最全的MySQL字符串函数，赶紧收藏！！
SQL知识大全(五):SQL中的时间函数
这份干货请你收好，长达2万字的时间函数总结，建议收藏！
分享数据知识，成就数据理想
点个在看 你最好看
热门标签
