关于 Python 数据分析的 15 个 NumPy 应用

本文专为那些希望深入了解并掌握NumPy核心功能的数据分析新手设计。我们将通过10个实用的应用示例，带你从基础操作到一些高级技巧，让你的数据分析之旅更加顺畅。

欢迎来到Python数据分析的世界！对于初学者来说，NumPy是你的第一站，它是Python科学计算的基石，特别是当你想要处理数组和进行大规模数据操作时。本文专为那些希望深入了解并掌握NumPy核心功能的数据分析新手设计。我们将通过10个实用的应用示例，带你从基础操作到一些高级技巧，让你的数据分析之旅更加顺畅。

1.数组创建与基本操作

应用示例：

创建数组:

import numpy as np
arr = np.array([1, 2, 3, 4])
print("简单数组:", arr)

这段代码创建了一个一维数组，并打印出来。

解释：np.array()是创建NumPy数组的基本函数，它接受列表、元组等作为输入。

2.维度变换

改变形状:

arr_2d = arr.reshape(2, 2)
print("二维数组:", arr_2d)

通过reshape，我们可以不改变数据的情况下，调整数组的形状。

3.数学运算

加法与乘法:

arr_add = arr + 10
arr_mult = arr * 2
print("加10:", arr_add, "\n乘2:", arr_mult)

数学运算在NumPy中可以直接对数组操作，非常高效。

4.统计分析

求平均值与最大值:

mean_val = np.mean(arr)
max_val = np.max(arr)
print("平均值:", mean_val, "最大值:", max_val)

np.mean()和np.max()用于快速统计分析。

5.布尔索引

筛选特定值:

bool_arr = arr > 2
print("大于2的索引:", bool_arr)
filtered_arr = arr[bool_arr]
print("筛选结果:", filtered_arr)

布尔索引允许根据条件选择数组元素。

6.随机数生成

生成随机数组:

random_arr = np.random.rand(3, 3)
print("3x3随机数组:", random_arr)

np.random.rand()用于生成指定形状的随机数矩阵。

7.线性代数操作

矩阵乘法:

mat1 = np.array([[1, 2], [3, 4]])
mat2 = np.array([[5, 6], [7, 8]])
product = np.dot(mat1, mat2)
print("矩阵乘法结果:", product)

np.dot()进行矩阵乘法，是机器学习中的基础操作。

8.广播机制

不同形状数组运算:

broad_arr = arr + np.array([10, 10])
print("广播机制结果:", broad_arr)

NumPy的广播机制允许不同形状的数组进行运算。

9.数据排序

排序数组:

sorted_arr = np.sort(arr)
print("排序后的数组:", sorted_arr)

np.sort()按升序排序数组。

10.文件读写

保存与加载数组:

np.save('my_array.npy', arr)
loaded_arr = np.load('my_array.npy')
print("从文件加载的数组:", loaded_arr)

使用np.save()和np.load()进行数组的持久化存储和读取。

11.高级统计功能

分位数与标准差:

# 分位数
quartiles = np.percentile(arr, [25, 50, 75])
print("四分位数:", quartiles)

# 标准差与方差
std_dev = np.std(arr)
variance = np.var(arr)
print("标准差:", std_dev, "方差:", variance)

分位数和统计度量是评估数据分布的关键指标。

12.高级索引与切片

花式索引:

# 索引数组
indices = np.array([[0, 1], [2, 2]])
print("根据索引选取元素:", arr[indices])

# 切片与步长
sliced_arr = arr[1:4:2]  # 从第二个元素开始，每隔一个取一个
print("切片结果:", sliced_arr)

花式索引让你能以非常灵活的方式访问数组元素。

13.内存效率与视图

使用视图减少内存消耗:

view_arr = arr.view()
view_arr[:] = 100  # 注意：这会改变原数组，因为是视图
print("原数组变化后:", arr)

了解视图和副本的区别对于处理大型数据集至关重要。

14.向量化操作的威力

向量化操作是NumPy的核心优势，相较于Python循环，它们提供了极大的性能提升。

比较与逻辑操作:

# 等于特定值的索引
equals_three = arr == 3
print("等于3的索引:", equals_three)

# 逻辑与
both_greater = (arr > 2) & (arr < 4)
print("大于2且小于4的索引:", both_greater)

利用逻辑操作符进行条件筛选，无需显式循环。

15.性能优化提示

• 避免循环：尽量使用向量化操作替代Python循环。
• 使用einsum进行复杂数组计算，它在某些情况下比直接的矩阵操作更快。
• 数组预分配：预先确定数组大小并分配内存，可以避免运行时的内存分配开销。