主要内容 #

1. 了解numpy和pandas，安装并进行简单使用。
2. 熟悉numpy的几种属性。

1. Numpy与Pandas的介绍 #

Numpy 和 Pandas 都是当下最重要的 Python 科学运算模块, 他们集成了优秀的算法, 让你的计算速度飞速提升，同样也是数据整理的好助手，将你凌乱的数据划分成整齐好看的数据。这两个模块主要应用在：数据分析、机器学习和深度学习中。
为什么使用 Numpy 和 Pandas:
（1）运算速度快：numpy 和 pandas 都是采用 C 语言编写，pandas 又是基于 numpy，是 numpy 的升级版本。
（2）消耗资源少：采用的是矩阵运算，会比 python 自带的字典或者列表快好多。

2. Numpy与Pandas的安装及简单使用 #

在Pycharm的Terminal下安装
代码如下：

pip install numpy
pip install pandas

• 安装完成后，通过导入模块来进行测试

使用numpy、pandas首先要导入模块。
代码如下：

import numpy as np  #为了方便使用numpy 采用np简写
import pandas as pd
array = np.array([[1,2,3],[2,3,4]])  #列表转化为矩阵
print(array)
"""
array([[1, 2, 3],
       [2, 3, 4]])
"""

3. numpy的几种属性 #

在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。
很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。
NumPy 的数组中比较重要的numpy属性有：
（1）轴的数量或维度的数量
ndarray.ndim
代码如下：

print('number of dim:',array.ndim)  # 维度
# number of dim: 2

（2）数组的维度，对于矩阵，n 行 m 列
ndarray.shape
代码如下：

print('shape :',array.shape)    # 行数和列数
# shape : (2, 3)

（3）数组元素的总个数，相当于 .shape 中 n*m 的值
ndarray.size
代码如下：

print('size:',array.size)   # 元素个数
# size: 6

5. 小结 #

• 认识科学运算的两个模块：numpy和pandas
• 正确安装并导入模块
• 熟悉numpy,并掌握numpy的几种重要属性

习题 #

无