AI编程时代更需要的底层能力培养,Python数据分析(一) | NumPy基础教程+面试题串讲

• 更高效的多维数组对象 ndarray
• 向量化运算（无需大量循环）
• 更快的数学运算性能
• 丰富的数据处理函数
• 广泛兼容 pandas、scikit-learn 等高级工具

pip install numpy #不指定版本号，默认安装最新版pip install numpy==<版本号> #指定版本号

import numpy as np

value = [1, 2, 3]arr1d = np.array(value)print(arr1d)# 输出[1 2 3]

value2 = [["name", "gender", "age"],          ["Tom", "Male", "18"]]arr2d = np.array(value2)print(arr2d.ndim)print(arr2d.shape)# 输出2(2, 3)

np.zeros((3,5))  #生成3行5列的全0数组np.ones(5) #生成维度为[1,5]的全1数组np.empty(5) #生成维度为[1,5]的未初始化数组np.arange(3,10,3) #生成的3开始10结束步长为3的等差数列np.random.randint(1,30,size=(3,5)) #生成3行5列的在[1,30]之间的随机整数数组

arr = np.arange(10)# 输出[0 1 2 3 4 5 6 7 8 9]# 单个索引arr[3] # 输出 3# 切片arr[3:7] # 输出 [3 4 5 6]

# 生成矩阵mat = np.arange(1,17)mat.shape = (4,4)# 输出[[ 1  2  3  4] [ 5  6  7  8] [ 9 10 11 12] [13 14 15 16]]# 获取某一行mat[0]# 获取多行mat[1:3]# 获取单个元素mat[1,3]# 输出8

# 获取第0到第2行的第1列mat[0:3,1]# 获取第2行到行末尾，以及第2列到列末尾mat[2:,2:]

wine_data = np.genfromtxt(r'/<数据路径>/winequality-red.csv',    delimiter=';',    skip_header=1)

wine = wine_data[:10,[8,10,11]]

wine[wine[:,2] > 5]

wine[(wine[:,2] > 5) & (wine[:,1] >= 10)]

mat / 2(mat + 100) / 100

arr7 = [1,2,5]arr7 * 2# [元素分别乘2]# 输出[2,4,10]

list = [1,2,5]list * 2# 输出[1,2,5],[1,2,5]

arr8 + arr8np.add(arr8, arr8)

wine - wine[0] # 每一行都减去第一行

np.sum(wine)np.sum(wine, axis=0)

np.mean(wine, axis=0)

np.max(wine, axis=0)np.min(wine, axis=0)

np.sort(wine[:,0])

np.unique(wine[:,2])

np.where(wine[:,2] > 5, 'Good', 'Bad')

names = np.array([...])scores = np.array([...])

names[scores < 60]

np.max(scores)np.min(scores)np.mean(scores)np.var(scores)np.std(scores)

np.where(scores >= 90, 'A',         np.where(scores >= 70, 'B', 'C'))

• 数据结构（ndarray）
• 运算能力（向量化 + 广播）
• 数据处理（索引 + 统计）