NumPy 速成班：快速掌握数据处理秘诀

创建数组

要使用 NumPy，首先需要创建数组。数组是存储同类型元素的集合，可以使用 np.array() 函数创建：

import numpy as np

array = np.array([1, 2, 3, 4, 5])
print(array)

输出：

[1 2 3 4 5]

访问元素

我们可以使用索引来访问数组中的元素。索引从 0 开始，可以使用方括号：

print(array[0])# 访问第一个元素
print(array[-1])# 访问最后一个元素

数组操作

NumPy 提供了各种数组操作，包括：

• 算术运算： +, -, *, /
• 比较运算： ==, !=, <, >
• 逻辑运算： &, |, ^
• 通用函数： np.sin(), np.cos(), np.sqrt()

多维数组

NumPy 支持多维数组，也称为张量。要创建一个多维数组，需要在 np.array() 中提供嵌套列表：

array = np.array([[1, 2], [3, 4]])
print(array)

输出：

[[1 2]
 [3 4]]

索引多维数组

要索引多维数组，可以使用多个索引：

print(array[0, 0])# 访问第一行第一列的元素
print(array[1, 1])# 访问第二行第二列的元素

广播

广播是一种在不同形状的数组上执行算术运算的机制。它将较小的数组扩展到与较大数组相同的形状，以便进行逐元素运算。例如：

array1 = np.array([1, 2, 3])
array2 = np.array([[4], [5], [6]])

result = array1 * array2
print(result)

输出：

[[ 48 12]
 [ 5 10 15]
 [ 6 12 18]]

转置和广播

转置可以将数组的形状进行转换。NumPy 中的 np.transpose() 函数可以将行和列进行互换：

array = np.array([[1, 2], [3, 4]])
transposed_array = np.transpose(array)
print(transposed_array)

输出：

[[1 3]
 [2 4]]

高级索引

NumPy 提供了高级索引功能，允许使用布尔索引数组来选择特定元素：

array = np.array([1, 2, 3, 4, 5])
mask = np.array([True, False, True, False, True])

filtered_array = array[mask]
print(filtered_array)

输出：

[1 3 5]

数据处理技巧

掌握 NumPy 的基础知识后，以下是一些数据处理技巧：

• 处理缺失值： 使用 np.isnan() 和 np.isnull() 检测缺失值，并使用 np.nanmean() 和 np.nanmedian() 计算忽略缺失值后的平均值和中值。
• 数据归一化： 使用 np.max() 和 np.min() 找到最大值和最小值，然后使用 (array - np.min()) / (np.max() - np.min()) 将数据归一化到 0 到 1 之间。
• 降维： 使用 np.sum()、np.mean() 或 np.std() 等函数对更高维的数组进行降维。
• 聚合： 使用 np.unique()、np.bincount() 和 np.histogram() 等函数对数据进行聚合和分组。