Python数据分析（二）中，如何使用numpy进行高效数组与矢量运算？

本文共计1781个文字，预计阅读时间需要8分钟。

Numpy是数值计算最重要的基础包，几乎所有科学计算的底层模块都使用Numpy数组。Numpy本身不提供高级数据分析功能，它主要提供以下功能：

1.矩阵运算：包括加减乘除等基本运算。

Numpy

numpy是数值计算最重要的基础包,几乎所有的科学运算的模块底层所用的都是numpy数组。

Numpy本身没有提供多么高级的数据分析功能，他所提供的功能主要是：

1.具有矢量算术运算（用数组表达式代替循环的做法通常称为矢量化),矢量化计算因为不使用循环，因此速度会快1到两个数量级

2.广播。（不同大小的数组之间的运算）

3.提供了对整组数据进行快速运算的标准函数。

4.用于读写磁盘数据的工具以及操作内存映射文件的工具（将数组保存及读取为文件，mmap系统调用使得进程之间通过映射同一个普通文件实现共享内存。普通文件被映射到进程地址空间后，进程可以像访问普通内存一样对文件进行访问，不必再调用read()，write（）等操作）

5.线性代数，随机数生成，以及傅里叶变换的功能。

Numpy 和pandas的dataframe

NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。