四两拨千斤的python小抄，让你快人一步

中国企业数据治理联盟（www.chinaedg.com/）

进入》主数据管理      企业数据治理     信息资源规划     数据安全管理

目前，关于数据科学的基础大全很多，但是能够称得上是精华的却很少。新手在入门数据科学的时候，面对纷繁复杂的基础大全，往往是先收藏下来，兴奋地看了一两页之后，就放弃了。从入门到放弃，有时候就是这么快。而实际上，我们在实际的数据科学操作中并不需要使用那么全面的基础知识，使用频率较高的基础知识其实并不多。对于频率很低的基础，即使你在初学的时候背下来了，那么随着时间的推移，也会逐渐遗忘。

因此，我彻夜奋战之后，将数据科学中使用频率较高的基础知识都总结了下来，这些基础知识浓缩了官方文档的精华部分，也是最实用的部分。有了这些最实用的基础，你就可以付出最小的努力学习到最必要的知识。快速入门，就是这么简单！

除此之外，我还根据这份基础知识，整理一份复习提纲，所有的关键内容都改成了填空题，方便大家复习相关的知识点，如下图所示。

那么，最实用的内容涵盖哪些板块呢？我们来看看泰坦尼克号生还者预测项目的ipynb文件，可以看出，数据分析和数据挖掘的基础无非就是以下三大板块:numpy、pandas、matplotlib。为了避免文章篇幅过长，小编决定将本次汇总分为上篇和下篇，此为上篇，下篇将随后放出。

本文主要讲的是Numpy基础，正文大纲如下:

Numpy实用基础篇

● 基础知识

● 数据类型

● 创建数组

● 算术运算

● 索引和切片

Numpy实用基础篇

numpy的主要对象就是其N维数组对象（即ndarray）,其中的所有元素必须是相同类型的。在Numpy中，维度（dimensions）称为轴（axes）。NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2.（为了方便读者理解，本文中的“秩”统一写成“维数”。）

举个例子，数组[1,2,1]就是一个一维数组。在这个维度上，它的长度的为3。而下图中的这个数组就是一个二维数组，它的第一个维度（axis=0）的长度为2，第二个维度（axis=1）的长度为3.

ndarray对象以下属性需要重点掌握:

1.ndarray.shape : 显示数组的维度，以及每个维度上面的数组大小。比如，下图的数组的shape为（2,3），shape的长度为2，也就是有两个维度。

2.ndarray.size:显示数组里面的元素数量，等于ndarray.shape中各个元素的乘积。    

3.ndarray.dtype:显示数组中元素的数据类型。    

数据类型

你不需要记住Numpy的所有数据类型，一般只需要知道大致的类型主要有浮点数（如:float16、float64）、复数(如:complex64)、整数(如:int64)、布尔值(如:bool)、字符串(string)，以及普通的python对象(object)。

注: float64代表每个元素的存储位数为64位，也就是8个字节（64/8=8） 

创建数组

1.numpy.array()。括号里面的参数填的一般是列表（list）或元组（tuple）。

2.numpy.array()将序列的序列转化为二维数组，将序列的序列的序列转化为三维数组，以此类推。

通常，我们一开始对于所要创建的数组中的元素还不确定，但我们可以确定这个数组的形状大小。因此，Numpy提供了以下的内置函数让你可以创建一个带占位符的数组。

3.numpy.zeros():创建一个指定形状的由数字0填充的数组

4.numpy.ones():创建一个指定形状的由数字1填充的数组    

5.numpy.empty():创建一个指定形状的由随机浮点数填充的数组

6.numpy.arange():这个函数类似于range()函数，但返回的是一个数组(array)，而不是一个列表（list）。

7.numpy.linspace():如果你知道所要创建数组的元素数值范围以及元素的数量，那么可以使用numpy.linspace()。

8.numpy.random.random():创建具有给定形状的 ndarray，其中包含位于半开区间 [0.0, 1.0) 内的随机浮点数。

算术运算

1.大小相等的数组之间的算术运算都会将运算应用到元素级，结果会被保存在一个新的数组里。这里的算术运算包括加、减、乘、平方、对数等等。

2.数组与标量之间的运算则是会将标量值传播到各个元素: 

3.如果要执行矩阵的乘法，可用dot函数。   

4.axis=0或axis=1该如何理解

大多数同学在遇到axis=n的时候可能都是一脸懵逼，完全不知道什么意思。下面我翻译了一段StackOverflow上关于axis的经典问答，希望能帮助大家理解。

大致意思如下:根据定义，axis的值是维度在数组shape里面的索引。比如:shape为（2,3）的数组，axis=0代表第一个维度，即长度为2的那个维度，你要在这个维度上进行操作。

比如，如果你要执行 .sum(axis=n) ，那么第n+1个维度就会坍缩然后消失。举个例子，如果b的shape为（5,6,7,8），执行c=b.sum(axis=2),其实就是对第三个维度进行求和操作，运算结果就是形状为（5,6,8）的多维数组。

索引和切片

1.普通索引:通过标签索引数组中的元素

2.切片:ndarray[start:end]，截取数组中的一部分    

3.注意，如果对 ndarray 进行切片并将结果保存到新的变量中，数据不会复制到新的变量中。例如:

原始数组a的切片没有复制到变量z中，a和z现在只是同一个ndarray的两个不同名称。切片只是创建了原始数组的一个视图，也就是说，如果对z做出更改，也会更改x中的元素。请看以下示例:

4.numpy.copy():这个函数（也可作方法）可以完美解决前面所述的问题，使用np.copy()可以创建一个新的ndarray，其中包含切片中的值的副本。

5.布尔索引

6.numpy.unique(ndarray):此函数会返回给定 ndarray 中的唯一元素

部分内容参考

https://docs.scipy.org/doc/numpy/user/quickstart.html

https://stackoverflow.com/questions/17079279/how-is-axis-indexed-in-numpys-array

Allen 大数据分析和人工智能