Python之NumPy库

NumPy库的名字由“Numerical Python”缩写而来。NumPy库是pandas库的基础，NumPy库的知识并不复杂，主要是为了学习pandas库做铺垫。如果是利用Anaconda安装的Python，则自带NumPy库，无须单独安装。

注：以下示例代码均是在Jupyter Notebook上进行的。

1.NumPy库与数组

NumPy库的主要特点是引入了数组的概念，和python的列表有点类似，上代码演示：

import numpy as np  # 用np代替numpy，让代码更简洁
a = [1, 2, 3, 4]  # 创建列表a
b = np.array([1, 2, 3, 4])  # 从列表a创建数组b，array就是数组的意思
print(a)
print(b)
print(type(a))  # 打印a的类型
print(type(b))  # 打印b的类型

第1行引入NumPy库的代码写为“import numpy as np”，这样之后编写代码就可以用np代替numpy，比较简洁。第3行代码中的np.array()函数用于从列表创建数组。输出结果如下：

接下来通过索引和切片访问列表和数组中的元素，代码如下：

print(a[1])
print(b[1])
print(a[0:2])
print(b[0:2])

输出结果如下：

从输出结果可以看出，列表和数组有着相同的索引机制，唯一的区别就是数组中的元素通过空格分隔，而列表中的元素通过逗号分隔。

2.数组与列表的区别

从以上的分析可以看出，NumPy的数组和列表非常的相似，之所以NumPy要引入数组，而不直接使用列表，主要有以下两个目的。

1.为了能更好的支持数学运算，上代码演示：

 c = a * 2
 d = b * 2
 print(c)
 print(d)

运行结果如下。

可以看到同样做乘法运算，列表是把元素复制了一遍，而数组则是对每个元素做了乘法。

2.列表存储的是一维数据，而数组则能存储多维数据，一维可以理解为一行，多维则类似于平面（二维）、立方体（三维）这样，表格就是二维的，有行、列属性，做一下代码示例，理解起来就会更直观些：

e = [[1, 2], [3, 4], [5, 6]]  # 列表里的元素为小列表,存储在一行
f = np.array([[1, 2], [3, 4], [5, 6]])  # 创建二维数组的一种方式，以行、列的表格方式存储

列表e和数组f的打印输出结果如下：

可以看到，列表e虽然包含3个小列表，但其结构是一维的。而数组f则是3行2列的二维结构。

3.创建数组的几种方式

1. NumPy.array(列表)，如以下代码示例：

# 创建一维数组
b = np.array([1, 2, 3, 4])
# 创建二维数组
f = np.array([[1, 2], [3, 4], [5, 6]])

2. np.arange()函数来创建一维数组，括号里可以输入1～3个参数，会得到不同的效果。演示代码如下：

# 1个参数：参数值为终止值，起始值取默认值0，步长取默认值1，左闭右开
x = np.arange(5)
# 2个参数：第1个参数为起始值，第2个参数为终止值，步长取默认值1，左闭右开
y = np.arange(5, 10)
# 3个参数：第1个参数为起始值，第2个参数为终止值，第3个参数为步长，左闭右开
z = np.arange(5, 10, 0.5)

x、y、z的打印输出结果如下:

3. np.random中的函数可以创建随机一维数组.
4. np.arange()函数和reshape()函数,可以创建二维数组。
a = np.arange(12).reshape(3, 4)