您好，登录后才能下订单哦！
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
我们一起来学习Python数据分析的工具学习阶段，包括
Numpy，
Pandas以及
Matplotlib，它们是python进行科学计算，数据处理以及可视化的重要库，在以后的数据分析路上会经常用到，所以一定要掌握，并且还要熟练！今天的
Python学习教程先从Numpy开始！
本文目标
NumPy 是 Numerical Python 的简称，它是 Python 中的科学计算基本软件包。NumPy 为 Python 提供了大量数学库，使我们能够高效地进行数字计算。更多可点击Numpy官网查看。
其实在前面的 Python学习教程中就有跟大家讲过 Numpy！
关于Numpy需要知道的几点：
所以，Numpy 的核心是ndarray对象，这个对象封装了同质数据类型的n维数组。起名ndarray 的原因就是因为是 n-dimension-array 的简写。接下来本节所有的课程都是围绕着ndarray来讲的，理论知识较少，代码量较多，所以大家在学习的时候，多自己动动手，尝试自己去运行一下代码。
这里主要是提供了一些访问、更改或增加ndarray中某一元素的基础方法。
访问&更改
类似于访问python list中元素的方式，按照元素的index进行访问或更改。
删除
可使用np.delete(ndarray, elements, axis)函数进行删除操作。
这里需要注意的是axis这个参数，在2维数据中，axis = 0表示选择行，axis = 1表示选择列，但不能机械的认为0就表示行，1就表示列，注意前提 2维数据中。
在三维数据中，axis = 0表示组，1表示行，2表示列。这是为什么呢？提示一下，三位数组的shape中组、行和列是怎样排序的？
所以，axis的赋值一定要考虑数组的shape。
再有一点需要注意的是，如果你想让原数据保留删除后的结果，需要重新赋值一下才可以。
增加
往ndarray中增加元素的办法跟python list也很类似，常用的有两种：
这里值得注意的是，不论是append还是insert，在往多维数组中插入元素时，一定要注意对应axis上的shape要一致。再一个就是，和delete一样，如果你想要更改原数据，需要重新赋值。
ndarray切片
前面学了选择ndarray中的某个元素的方法，这里我们学习获取ndarray子集的方法——切片。
对于切片大家并不陌生，在list里面我们也接触过切片，一维的ndarray切片与list无异。需要注意的是，就是理解2维及多维ndarray切片。
这里可以看出，我们筛选了a矩阵中前三列的所有行，这是如何实现的呢？
切片的第一个元素:表示的是选择所有行，第二个元素:-1表示的是从第0列至最后一列（不包含），所以结果如上所示。
再看一个例子：
筛选的是第2-3行的所有列。
以列的形式获取最后一列数据：
以一维数组的形式获取最后一列数据：
上面两种方法经常会用到，前者的shape为(4,1)，后者为(4,)。
所用函数为np.diag(ndarray, k=N)，其中参数k的取值决定了按照哪一条对角线选择数据。
默认k = 0，取主对角线；
k = 1时，取主对角线上面1行的元素；
k = -1时，取主对角线下面1行的元素。
思考：这个函数只能选择主对角线上的元素，那如果想要获取副对角线上的元素呢？
尝试自己搜索一下关键词numpy opposite diagonal寻找答案。
不建议你直接点getting the opposite diagonal of a numpy array。
所用函数为np.unique(ndarray)，注意unique也可以添加参数axis来控制评判唯一值的轴方向，不好理解可以看示例：
这里在中括号中添加筛选条件，当该条件的结果为True时（即满足条件时），返回该值。
这里需要注意的是，当输入多个筛选条件时，&表示与，|表示或，~表示非。
ndarray运算
我们可以通过+、-、*、/或np.add、np.substract、np.multiply 、np.divide来对两个矩阵进行元素级的加减乘除运算，因为是元素级的运算，所以两个矩阵的shape必须要一致或者是可广播(Broadcast)。
这里所谓的可广播，就是指虽然A和B两个矩阵的shape不一致，但是A可以拆分为整数个与B具有相同shape的矩阵，这样在进行元素级别的运算时，就会先将A进行拆分，然后与B进行运算，结果再组合一起就可以。这里的A就是“可广播”矩阵。
上面涉及到的乘法是元素对应相乘，也就是点乘，那矩阵的叉乘呢？可以了解下numpy.matmul函数。
ndarray排序
我们使用np.sort()和ndarray.sort()来对ndarray进行排序。
相同的是：
二者都可以使用参数axis来决定依照哪个轴进行排序，axis = 0时按照列排序，axis = 1时按照行排序；
不同的是：
np.sort()不会更改原数组；ndarray.sort()会更改原数组。
更多的 Python学习教程会继续为大家更新！大家哪里有不清楚的地方可以留言或者私信！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。