Python数据分析如何入门_numpy基础操作详解【教程】

NumPy是Python数据分析的基石，核心是ndarray多维数组，支持高效数值运算；常用创建方式包括np.array()、np.zeros()等，关键属性有shape、dtype、ndim；索引切片支持一维、二维及布尔索引。

想入门Python数据分析，NumPy是绕不开的第一步。它提供了高效、灵活的多维数组对象和大量数学函数，是Pandas、Matplotlib、Scikit-learn等库的底层基础。掌握NumPy核心操作，不是为了死记语法，而是建立“用数组思考问题”的直觉。

理解ndarray：NumPy的核心数据结构

NumPy一切围绕ndarray（N-dimensional array）展开——它不是Python原生列表，而是一块连续内存中存储的同类型数值集合，因此运算快、内存省。

• 创建数组常用方式：np.array([1, 2, 3])（从列表转）、np.zeros((3, 4))（全0矩阵）、np.ones(5)（长度为5的全1向量）、np.arange(0, 10, 2)（类似range，生成[0,2,4,6,8]）
• 关键属性要会看：arr.shape（维度大小）、arr.dtype（元素类型，如int64、float32）、arr.ndim（几维数组）
• 注意：np.array([1, 2, 3.0])会自动提升为float64；想指定类型可用dtype='int32'

索引与切片：比Python列表更强大

NumPy支持花式索引、布尔索引和广播机制，让数据提取和筛选更直接。

• 一维数组像列表：a[2]、a[1:4]、a[::-1]（反转）
• 二维数组用逗号分隔维度：arr[0, 1]取第0行第1列；arr[1:3, :]取第1–2行全部列；arr[:, [0, 2]]取所有行的第0和第2列
• 布尔索引很实用：arr[arr > 5]返回所有大于5的元素；arr[(arr > 2) & (arr 注意逻辑符用<code>&而非and

向量化运算：告别for循环

NumPy函数默认对整个数组批量计算，无需显式循环，代码简洁且性能极高。

标签： python numpy函数