【2】数据分析基础（关于Numpy 的基础 1）

N维数组

定义

顾名思义，N维数组（ndarray）是一个多维数组，描述了相同类型数据的集合。

隐喻

如图所示，各个科目的分数形成了一个4x3的二维数组，该数组就是一个同一数据类型 —— 分数（整型int）的集合。

有很多属性可以描述N维数组，最常用的两个属性分别是数据类型和维度。
比如，上一页中，我们用了「整型（int）」和「二维」来描述示例中的数组，依次对应的就是数组的数据类型和维度这两个属性。

NumPy数组的 数据类型 指的是数组中存储的元素类型，可以是：整型（int）、浮点型（float）、布尔型（bool）等。
 

需要注意的是，NumPy数组中的所有元素类型必须是一致的。

NumPy数组的维度和我们平常说的维度非常相似，接触最多的通常是一维（1D）和二维（2D）数组，可以通过中括号[ ]的层数来确定。

[...]表示一维数组，和Python中的列表长得很像。
在使用print()输出时，它们的区别在于数组之间的元素是用空格分隔，而列表是以逗号分隔。
一维数组的所有元素都在同一「行」里，一行中可以有很多元素。

[[...]]表示二维数组。
二维数组中的每个元素都是一个一维数组，并且每一行的元素数量都是一致的。在二维数组中：
行数代表二维数组中一维数组的数量；

列数代表一维数组中元素的数量。

安装完后，下一步就是导入numpy。
根据NumPy官方文档的倡导，在导入numpy时通常会使用「np」作为numpy的简写，方便以后调用。
导入numpy的具体代码如下：

# 使用import导入numpy，并使用"np"作为该模块的简写

import numpy as np

任意序列型对象，也就是列表、元组、数组等数据结构，都可以作为参数传入。
该函数会返回传入的参数所对应的数组。
接下来，通过依次分析如何创建一维数组和二维数组，来更好的理解这个函数吧。

创建N维数组

np.array()

这三行代码创建了一个叫做“arr”的一维数组，并输出了该数组。
第一行导入了numpy，并使用"np"作为该模块的简写。
第二行将一个元素全是整型的列表作参数传入到np.array()中，并将函数返回的结果赋值给了变量arr。
 

第三行输出了该数组，也就是[1 2 3 4 5]。

函数np.array()

np.array()是NumPy中用来创建N维数组的函数。

import numpy as np

arr =  np.array([1, 2, 3, 4, 5])

print(arr)

[1 2 3 4 5]

一个列表

作为参数传入np.array()函数中，该函数将返回一个对应的数组。

任意序列型对象，也就是列表、元组、数组等数据结构，都可以作为参数传入。

import numpy as np

arr =  np.array([1, 2, 3, 4, 5])

print(arr)

[1 2 3 4 5]

变量名

函数返回的一维数组赋值给了变量arr。

[1 2 3 4 5]