大家好，从今天开始，小编讲带着大家一起进入数据的世界。
数据的世界是新奇的，美妙的。但是如果你对它不感兴趣，那它就是一个枯燥无趣的东西了。
------灰太狼（我被狗咬了）
那小编今天将要带着大家一起进入一个有趣的数据世界。
我们在数据世界里一般分为以下几个部分：
数据的获取（别人给定的，获取的）
数据的处理（数据的清洗，集成等）
数据的挖掘（创建模型，优化调整模型）
数据的可视化（展示数据的状态及分布）
在我们了解数据之前我们需要有一定的python基础，知道如何使用python，如果你对python还不是很熟悉，那么你也不用担心，小编在公众号里面已经为你准备好了所有python基础的课程，公众号最左边的菜单栏里面，会有小编总结的比较全面的python的基础教程，后续将会制作视频教程，欢迎大家前来学习和指点哦！
在python的世界里，目前已经存在的比较全面的数据结构有列表，字典，元组，序列，字符串等结构，但是，对于需要处理复杂数据的我们来说是远远不够的。这时候我们需要一些更专业的数据结构来为我们解决这一烦恼。
python里面提供了numpy和pandas这些十分有用的第三方库。
为什么要用NumPy数组结构而不是Python本身的列表list？
这是因为列表list的元素在系统内存中是分散存储的，而NumPy数组存储在一个均匀连续的内存块中。这样数组计算遍历所有的元素，不像列表list还需要对内存地址进行查找，从而节省了计算资源。
那说了这么多，我们就来看看numpy里面有什么是需要我们来学习的吧。
在numpy里面是有一个叫ndarray这样一个神奇的东西的，这个东西的本质其实就是一个矩阵（其实就是一个嵌套列表），如果你上过高中，那么对矩阵就会有一定的了解，一般我们高中学的就是2*2的矩阵。（python里面的简单的list对我们来说就是1*n阶矩阵啦）
如上图，这样一个东西就是一个2*2的矩阵（横着两个，竖着两个），那这样的一个东西我们使用ndarray如何表示呢？
创建一个 ndarray 只需调用 NumPy 的 array 函数即可：
np.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)
快速创建一个2*2的矩阵可以直接传入一个嵌套列表即可：
import numpy as np a = np.array([[1, 2], [2, 4]]) print(a)
这样的结构我们和上面的对比一下是不是感觉很像？这个就是使用ndarray来表示二维数组，当然我们也可以造一个3*3的数组：
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(b)
对于矩阵里面的数值我们如何去获取或者是修改呢？
回顾一下python的list：
我们在取值的时候使用的是索引取值的办法，索引是从零开始的。那在ndarray里面也是同样的一个道理，使用索引进行取值：
比如说我们现在想去取第一个值，横着数他是第一个，那么索引为0，竖着数也是第一个，索引还是0，所以【0，0】就可以获取第一个值：
import numpy as np b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(b[0, 0])
除此之外，我们还可以指定快速创建连续的矩阵：
np.arange(1,11,2)
这个就和python里面的range函数有点相似了。给定初始值，结束值和步长来此创建一维矩阵（一维数组），
当然除此之外我们还有相似的函数，linspace，也和arange是一样类似的。
下面我们再来看看ndarray的数据类型有哪些吧？
ndarray作为一个存放数据的仓库，那么存放的数据也有很多种类型的，我们通常使用到的类型如下：
| 名称 | 描述 |
| bool_ | 布尔型数据类型（True 或者 False） |
| int_ | 默认的整数类型（类似于 C 语言中的 long，int32 或 int64） |
| intc | 与 C 的 int 类型一样，一般是 int32 或 int 64 |
| intp | 用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64） |
| int8 | 字节（-128 to 127） |
| int16 | 整数（-32768 to 32767） |
| int32 | 整数（-2147483648 to 2147483647） |
| int64 | 整数（-9223372036854775808 to 9223372036854775807） |
| uint8 | 无符号整数（0 to 255） |
| uint16 | 无符号整数（0 to 65535） |
| uint32 | 无符号整数（0 to 4294967295） |
| uint64 | 无符号整数（0 to 18446744073709551615） |
| float_ | float64 类型的简写 |
| float16 | 半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位 |
| float32 | 单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位 |
| float64 | 双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位 |
| complex_ | complex128 类型的简写，即 128 位复数 |
| complex64 | 复数，表示双 32 位浮点数（实数部分和虚数部分） |
| complex128 | 复数，表示双 64 位浮点数（实数部分和虚数部分） |
我们通常使用dtype去构建数据类型对象。
import numpy as np # 使用标量类型 dt = np.dtype(np.int32) print(dt)
值得一说的是，int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替：
import numpy as np dt = np.dtype('i4') print(dt)
那现在我们可以使用dtype创建字段以及对应的类型了
import numpy as np dt = np.dtype([('age', np.int32)]) print(dt)
这就相当于创建数据库创建表的时候需要提供字段名，以及该字段所对应的数据类型：
下面就可以为这些字段添加值了：
import numpy as np dt = np.dtype([('age', np.int32)]) # print(dt) a = np.array([(10,),(20,),(30,)], dtype=dt) print(a)
类比数据库的添加数据：
我们可以使用age这个索引来取出age里面的所有值。
print(a['age'])
下面我们来创建一个数据结构：
学生名字，年龄，语文分数，数学分数，英语分数
import numpy as np persontype = np.dtype({ 'names': ['name', 'age', 'C', 'M', 'E'], 'formats': ['S32', 'i', 'i', 'i', 'f']}) students = np.array([("AMY", 22, 88, 77, 66), ("TONY", 24, 85, 96, 88.5), ("JOHN", 25, 85, 100, 96.5), ("FRANK", 26, 65, 85, 100)], dtype=persontype)
这边创建name数据类型的时候S32代表字符串，i是整型数据，f是浮点型数据。
下面附一张表做参考：
| 字符 | 对应类型 |
| b | 布尔型 |
| i | (有符号) 整型 |
| u | 无符号整型 integer |
| f | 浮点型 |
| c | 复数浮点型 |
| m | timedelta（时间间隔） |
| M | datetime（日期时间） |
| O | (Python) 对象 |
| S, a | (byte-)字符串 |
| U | Unicode |
| V | 原始数据 (void) |
我们可以获取所有的语文分数，或者是所有的数学分数：
chineses = students[:]['chinese'] maths = students[:]['math']
关于数据的运算，我们有强大的ufunc函数：
ufunc 函数
全称通用函数（universal function），是一种能够对数组中所有元素进行操作的函数。以 Numpy 数组作为输出，因此不需要对数组每个元素都操作，比 math 库中的函数操作效率更高。
A、四则运算：
加（+）、减（-）、乘（*）、除（/）、幂（**）。数组间的四则运算表示对每个数组中的元素分别进行四则运算，所以形状必须相同。
import numpy as np x = np.array([1, 2, 3]) y = np.array([4, 5, 6]) print(x + y) # 结果: [5 7 9] print(x - y) # 结果: [-3 -3 -3] print(x * y) # 结果: [4 10 18] print(x / y) # 结果: [0.25 0.4 0.5 ] print(x ** y) # 结果: [1 32 729
numpy还提供了自带的算术运算：
x = np.array([1, 5, 7]) y = np.array([4, 5, 6]) s = np.add(x, y) # 求和 [ 5 10 13] s2 = np.subtract(x, y) # 求差 [-3 0 1] s3 = np.multiply(x, y) # 求积 [ 4 25 42] s4 = np.divide(x, y) # 求商 [0.25 1. 1.16666667]
B、比较运算：
>、<、==、>=、<=、!=。比较运算返回的结果是一个布尔数组，每个元素为每个数组对应元素的比较结果。
import numpy as np x = np.array([1, 5, 7]) y = np.array([4, 5, 6]) print(x < y) # 结果: [True False False] print(x > y) # 结果: [False False True] print(x == y) # 结果: [False True False] print(x <= y) # 结果: [True True False] print(x >= y) # 结果: [False True True] print(x != y) # 结果: [True False True]
C、逻辑运算：
np.any 函数表示逻辑“or”，np.all 函数表示逻辑“and”。运算结果返回布尔值。
import numpy as np x = np.array([1, 5, 7]) y = np.array([4, 5, 6]) print('逻辑and运算: ', np.all(x == y)) # 存在一假为假 1!=4,7!=6 # 结果: False print('逻辑or运算: ', np.any(x == y)) # 存在一真为真 5==5 # 结果: True
统计函数
我们使用numpy最多的不过于统计函数了，这将是我们在numpy里面最常用的函数：
axis说明：axis=0沿着x轴（横着），axis沿着y轴（竖着）
np.mean(x [, axis])：
所有元素的平均值，参数是 number 或 ndarray
np.sum(x [, axis])：
所有元素的和，参数是 number 或 ndarray
np.max(x [, axis])：
所有元素的最大值，参数是 number 或 ndarray
np.min(x [, axis])：
所有元素的最小值，参数是 number 或 ndarray
np.std(x [, axis])：
所有元素的标准差，参数是 number 或 ndarray
np.var(x [, axis])：
所有元素的方差，参数是 number 或 ndarray
np.argmax(x [, axis])：
最大值的下标索引值，参数是 number 或 ndarray
np.argmin(x [, axis])：
最小值的下标索引值，参数是 number 或 ndarray
np.cumsum(x [, axis])：
返回一个同纬度数组，每个元素都是之前所有元素的 累加和，参数是 number 或 ndarray
np.cumprod(x [, axis])：
返回一个同纬度数组，每个元素都是之前所有元素的 累乘积，参数是 number 或 ndarray
numpy排序
排序是算法中使用频率最高的一种，在我们进行数据分析的时候经常会使用，在numpy里面就是简单的一句话：
x = np.array([1, 8, 3, 5, 7]) SORT = np.sort(x) print(SORT)
在排序的时候，我们可以指定不同的排序方法:
def sort(a, axis=-1, kind='quicksort', order=None):
默认是快速排序，当然你也可以指定合并排序和堆排序。
我们使用numpy一些主要的方法以及跟你以上基本都覆盖到了，其实本质也就是对列表的一些操作，只不过在numpy里面的列表可能更加的多维度。
如果说本节课有什么难点的话，那应该是统计函数那一块了，如何理解方差，标准差，中位数等这些数学属性，还是需要翻开数学课本好好理解一下的，毕竟，数据分析的基础其实就是数学啊！
那关于numpy的内容就到这里了，下次我们来介绍另一种数据结构pandas的用法以及注意事项吧！
