写在前面
在此之前，确保你已经安装了相应的库了，一句话pip3 install XXX即可，我相信大家应该都很熟悉了，既然都做数据分析了。
Numpy简介
对于numpy的话，我不想说太多，也不想讲一些大道理，哈哈，我想大家都学过python里面的数组吧。其实numpy你就可以把它看做是一个数组就可以了。但是要记住，作为数据分析的基础库，numpy可不是简简单单的数组，你虽然可以把它看做是一个数组，但是它相比于python的原生数组来说，增加了许多的功能和方法，记住，他也是我们之后所要学习的pandas的基础哦，所以还是比较重要的。所以，说了那么多，如果你对numpy感兴趣但是自己又是一个像我一样的小白的话，这篇博客也许会帮助到您。
Numpy的使用
为了方便，本次我使用的是jupyter notebook，请你也务必安装相应的模块，安装也很简单pip3 install jupyter即可。
注意：我没有给出源码，我希望大家如果有兴趣的话，一定会自己敲代码的。好了，我们看是进入正题。
1.第一步当然是建立一个python3文件然后导入相应的模块了，为了使用方便，我们使用as关键字给我们的numpy取一个别名
1
2.array（）方法的使用
这里我们调用numpy一个叫做array的方法，赋值给一个a，shift+enter就可以看到结果了，结果输出了一个似乎像是python数组的东西，那么它究竟是不是呢？。
2
2.1查看a的类型，使用type()函数，shift+enter查看结果
发现他是一个ndarray类型，你一定纳闷了，其实在我看来不用纠结，你直接记住它其实就是一个数组，那为什么还有一个nd呢？你别忘了咱们数组是不是有维度的呀，所以这样理解是不是好多了。记住即可。
3
3.获取ndarray中的属性
python万事万物是对象，那么既然是一个对象，就会有一些属性和方法，让我们来看一下
3.1 dtype属性查看元素类型
4
由于前面我们给numpy传入了一个数组，数组的类型是数字，所以是int型。这里调用这个属性来查看元素类型
3.2 ndim属性查看数组维度
5
由于我们传入的数组是一个一位数组，所以打印1
3.3 size获取数组元素个数
6
我们传入的数组是[1,2,3]，我们使用size的时候打印出的个数为3
3.4 shape获取行列数
7
一行三列，默认1省略，列和行的乘积要等于总的元素数，这里输出（3，）
4 创建二维数组
4.1打印输出type及数组
8
4.2再次查看ndim,size,shape
发现我们创建的是三行两列的二维数组，所以维度2，元素个数6，数组的型也就是行列数为3*2
9
4.3 itemsize查看元素存储类型
由于我们创建的是一个int，float都含有的数组，所以在存储的时候会使用float来进行全部存储，每个8个字节，所以打印8。
，10
5 创建三个numpy ndarray数组
11
12
13
细心的你一定能够发现，其实你使用元组还是数组，或者是联合嵌套，numpy的array（）函数都可以识别，帮我们完成数组的创建。
6 其它的一些dtype类型。了解即可
注意可用.name来查看属性类型的名称
14
7 array()函数的dtype参数选项
我们使用dtype='complex',如果你英文还可以，那么你就应该知道了是复数了，注意，默认是float.
我们也可以指定成int等其它类型。
15
8.numpy给我们提供的一些自动创建多维数组的简便函数
8.1 zeros()和ones()，empty()
在这里我们分别创建了两个全是0和全是1的3*3的数组。很方便的就创建出来了。(zero=0),所以把英文学好还是很有必要的啦
16
empty（）其实没什么用，大家了解一下，其实说白了就是填充一些脏数据进入我们制定的维度的数组中
17
8.2 full()和eye()
full的话你可以制定维度，还有每一个维度里面的值，然后他就会按照我们的要求创建出符合条件的数组
eye的话会创建一个正对角线上面全部为1的数组（前提是行和列相等，其它情况可自行测试，它有三个参数），这个不常用，了解即可
18
8.3 arange()方法
大家一定都知道python的range方法，同样在numpy里面提供了一个类似但是功能更强大的arange（）方法
下面是一些简单的例子，它有三个参数，依次是起始位置，结束位置（不包括结束值），步长。注意：range不支持小数，但是我们的arange支持。
19
20
reshape方法可以配合arange来一起使用，reshape就是改变数组的型，说白了你可以把一个一维数组变成一个多维的，你也可以把一个多维的变成一个一维数组。在这里通过使用reshape，把一个具有12个元素的一维数组变成一个三行四列的二维数组。注意，前后数组的size要一样。不然会报错
21
22
8.4random()和linspace()
首先linspace是一个根据起始位置和结尾来进行拆分由两者所组成的空间域的，所以你就自然明白三个参数的意思了，提示一下最后一个是你指定要分成几份，这里分成5份。
random就是产生随机数，但是numpy里面的random会根据你的指示生成对应的维度的数组。
23
9.numpy的算数运算基本操作
同样，numpy是支持基本的算数运算的，当然你还可以把两个numpy对象进行运算，他们会一一对应进行相应的操作，具体如下：
24
值得注意的是，numpy还提供如，sqrt(),sin(),cos()之类的计算方法，调用即可，还有如果你学过代数的话你可能会被混淆，注意，它不是代数里面的运算规则，他会一一对应进行运算。
25
在多维数组进行运算的时候如果维度行列不一样，就会报错
26
27
如果你要进行代数里面的矩阵乘法运算，那么你只需要调dot()方法就可以了：
28
10 numpy的一些运算
我们也可以对一个numpy数组进行如下运算：一一对应
29
30
在这里你还必须知道一些很有用的聚集函数：
sum（）求和
min()求最小值，max()求最大值
mean（）求平均值，std()求标准差
31
11 numpy的索引，切片，迭代：
同样，numpy也支持正负索引，取值的话也和普通数组一样，但是记住，当你要单独取出多个值的时候，记得加一个中括号括起来。
32
注意，当数组是多维数组的时候你可以这样做：
写上行列索引，当然你还可以分别对他们进行切片操作。
33
切片：
我想，对于这个大家应该不陌生了，记住几点：
1. 对于多维，行列都可一切片
2.（：5）不包含5，省略不写在左边默认0，在右边默认数组长度-1即可。要学会活学活用。
3.注意你还可以指定切片步长
4.注意正负号索引机制
34
35
迭代：
同样，我们也可以使用for循环来遍历numpy数组，对于多维数组，使用flat属性，直接可以打印它的每一个元素
36
37
apply_along_axis（）函数
这个函数的意思是你可以指定一个数组，然后指定是行或者列进行一个函数运算，当然，你可以自己制定这个函数。axis=0代表对列，axis=1代表对行进行运算，这里我们对数组A分别按照行和列进行求平均。
38
自定义函数：
39
12 numpy 进行bool运算
如果进行布尔运算，那么符合条件的就返回True 反之FALSE,如果你想要取出满足条件的值，那么你直接加上数组名字在加上一个括号即可。
40
13 shape,reshape(),ravel(),transpose()
shape,reshape()这一组，一个是属性，一个是方法，都可以实现对数组型的改变
ravel()：在Numpy中经常使用到的操作由扁平化操作函数，说白了就是回到一维展示，还有我们的flat()也是扁平化操作函数
transpose（）简单来说，就相当于数学中的转置，在矩阵中，转置就是把行与列相互调换位置
41,
14 数组的拼接
numpy很强大，我们可以根据已有的数组，创建出新的数组：
它提供了vstack(),hstack（）作为行插入和作为列插入，一个是增加行，一个是增加列，由此得到新的数组，具体如下
column_stack（）作为列插入
np.row_stack（）作为行插入
42
15 数组拆分：
既然可以组合成新的数组，那么我们也可以把一个数组拆分成几个新的部分
vsplit()按照行拆分
hsplit()按照列拆分
43
split（）
这个函数也是拆分函数，但是更复杂，功能更强大，axis=1按照列拆分，axis=0按照行拆分
下面是按照1,3两列来拆分，然后返回三个新的数组
44
45
总结：
在这里我们就把numpy一些基本常见的语法说完了，不容易呀，希望对大家有用，可以点赞支持一下，谢谢每一个坚持看完的人，写博客这种东西就是一件利人利己的事情，大家一起努力呀！！！！！！！
网友评论