本文将进一步介绍Python数据分析中的一个重要内容——NumPy数组。在上一次的数据分析开篇中，我们已经初步体验到了NumPy的强大功能，但是它的强大之处并不限于一个小小的向量求和。NumPy包含的内容有：

数据类型；

数组类型；类型转换；创建数组；

数组索引；数组切片；改变维度。

这些内容我们会陆续介绍，废话不多说，下面开始第一部分内容。

1、NumPy数组对象

何为NumPy的数组对象？

这里先介绍ndarray对象，ndarray 是一个多维数组对象。

该对象由实际的数据（或数据本身）和描述这些数据的元数据构成的。

如何用（操作）？

大部分的数组的操作仅仅修改元数据部分，而不改变底层的实际数据。换句话说，变化的只是元数据而已。

何为元数据？

元数据被定义为：描述数据的数据，对数据及信息资源的描述性信息。

进一步解释：

元数据（Metadata）是描述其它数据的数据（data about other data），或者说是用于提供某种资源的有关信息的结构数据（structured data）

这里提到的ndarray与开篇讲到的arrange（）函数有注意的优势？

开篇的arrange（）函数是用来生成数组的，事实上，该函数在开篇的例子（一个简单的应用）中是用来存放一组数值的一维数组。而相对于该函数来说，ndarray的维度却比arrange（）高很多。

2、NumPy数组的优势

NumPy数组有哪些优势？

（1）、数组由相同种类的元素所组成。

所谓“相同种类”就是数据结构中的数据项的类型要相同，例如，一个数据在计算过程中是以列表的形式进行使用，那么其他数据的存放形式也是列表的形式。否则会报错。这样做的优点：方便存放，计算，同时可以知道存储空间大小。

（2）、NumPy数组能够运用向量化来处理整个数组。

如何解释？就拿Python的列表来说，列表通常借助循环语句遍历的方式来处理数组。在开篇的一个简单的应用中就体现了这一特点。

（3）、NumPy使用了被优化过的C API，因此计算速度有了很大的提升。

这里先介绍三种，NumPy数组其他优势会陆续介绍。

3、IPython会话

创建数组过程中的会话方式是什么？

IPython会话

何为IPython会话？

一种以IPython作为交互式的Shell工具。

关于该交互式的说明：IPython：一个交互式 shell 工具，科学家和工程师都喜欢做实验，而IPython正是诞生于爱做实验的科学家之手。查看更多信息，访问地址为http://ipython.org/

安装ipython命令：cmd 输入以下其中一条命令

pip install ipython[all]

easy_install ipython

python -m pip install ipython[all]

出现Successfully即为安装成功

IPython会话方式是什么？

网页窗口访问或本地终端访问，访问命令:ipython或 ipython notebook

如果出现以下的情况，就需要调整环境变量。

由于我已经在D盘中安装了Anaconda3,所以只需要在系统变量中输入一些地址就可以了

第一种会话方式：cmd + ipython notebook

接着跳出网页，也就是网页版的ipython会话窗口，这样就可以使用了，我个人常使用网页版的，因为是随时可用保存代码的，并且优点也有很多，可以使用很多菜单栏功能，效率较高。

第二种会话方式：cmd + ipython

补充说明：IPython是开源免费的软件，可以在Linux、Unix、Mac OS X以及Windows上使用。

IPython的基本功能：

Tab键自动补全；

历史记录存档；

行内编辑；

使用 %run 可以调用外部Python脚本；

支持系统命令；

支持pylab模式；

Python代码调试和性能分析。

如果在pylab模式下，IPython将自动导入 SciPy 、 NumPy 和 Matplotlib 模块，这样就省去了很多麻烦。否则，在每次会话的时候，我们都只能手动导入每一个所需模块，这样也挺麻烦的。

今后学习数据分析我们主要使用以上的ipython工具。

4、获取数组类型、形状

从开篇提到的arange()应用中，这里我们可使用dtype判断其数组类型。

何为形状？

对于数组而言，除了知道其类型以外，还有知道数组的shape形状，也就是数组的元素个数和构造数组的元素（也就是数组里面的值）。

备注：shape属性是一个元组，存放的是数组在每一个维度的长度。

例子：

由图可知，向量有5个元素(长度为5)，值为0到4，类型为整型32位（这主要原因是我使用的是家里的32位电脑，64位的电脑在我工作的地方，如果你用的是64位，那么结果就是int(64)）。

当然，如果你想导入模块也可以，只是太麻烦了，我在前面已经说过来。如果你根本没有安装ipython,那么你可能就学得比较累了，下面的这个就是多此一举。

5、多维数组的创建

开篇的例子中我们知道如何创建向量的方法，那么如何创建多维数组呢？多维数组——顾名思义就是比向量多了行或者列的矩阵而已，其实向量也是矩阵的一种。在数学中，m乘n的矩阵形式（特别地，当m=n时，A为方阵。）：

关于矩阵的数学知识，我们在讲到数据分析的线性方程部分时再详细说明。

ipython会话窗口代码如下：

2阶矩阵：

显示数组的形状和类型：

5阶（维）矩阵（数组）：

注意：上述利用array（）函数创建数组时，该数组是以列表为传递形式的对象，所以这个对象还必须是数组类型。前面已经提到了，这是NumPy数组中的一种优势，切记勿忘。

6、数组元素的选择

先来分析矩阵的位置，在数学中矩阵的元素位置就是元素的小标(从1开始)，比如刚刚矩阵A中的

表示的就是矩阵A的第3行第2列位置的元素，很明显，下标决定位置。但是，在数组中，下标的规定是从0开始的，因此，从数组的角度来看，矩阵A的所有元素在数组中的位置只需要在矩阵下标的基础上减去1即可。那么这里的a32的位置在数组中的实际位置就是a21.

元素如何选择？

其实就是把数组里的元素按照指定的位置输出即可。代码如下：

当然，也可以不使用arange()函数生成指定的列表作为数组的对象，我们还可以创建元素不一样的数组，这就是手动填写列表了。

7、NumPy 数据类型

说到数据类型大家学过C语言、matlab编程、零基础Python都会有所印象或者熟悉，因此这里我只做简单的概括，如果对数据类型不了解的朋友，请翻阅相关书籍资料查看。

Python支持的数据类型有整型、浮点型以及复数型，但这些类型不足以满足科学计算的需求，因此NumPy添加了很多其他的数据类型：

范围的说明：（计算机组成原理的知识点）

int8:数字代表二进制位数，因此该数据类型为8位的而进制数，最大值是8个1，转换为十进制正好是255,因此下标的范围是8位的都是以长度为255的区间来进行划分的，其他依次类推。

每一种数据类型均有对应的类型转换函数：

注意：复数是不能转换为整数的，同样，复数也不能转换为浮点数。不过，浮点数却可以转换为复数，公式为complex(real, Im)和complex(real.Im)，例如 ： (注：单个的数字默认为实部，虚部为0)

8、数据类型对象

何为对象？ 数据类型对象是 numpy.dtype 类的实例（可以类似理解为函数中实例化对象，不过有区别哟！）。此外，数据类型对象可以给出单个数组元素在内存中占用的字节数，即 dtype 类的 itemsize 属性：

每日三道题, 笔试面试不吃亏：

题目24：打印出菱形:

题目25：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前40项之和。

程序分析：请抓住分子与分母的变化规律。

题目26：（阶乘题）求0！+1！+2!+3!+...+50!的和。

程序分析：此程序只是把累加变成了累乘。

扫码关注我，一起交流学习