隨著大數據時代的變革，Python越來越火，通常會利用Python進行數據分析；那么如何使用Numpy進行數據分析，你對numpy庫了解多少呢？今天融躍小編就這一問題進行詳細的論述，請仔細閱讀。

1、關于Numpy

Numpy是高性能科學計算和數據分析的基礎包，它的部分功能如下：

1）ndarray,一個具有矢量算術運算和復雜廣播能力的快速且節省空間的多維數組。

2）對整組數據進行快速運算的標準數學函數

3）用于讀寫磁盤數據的工具以及用于操作內存映射文件的工具。

2、numpy是什么庫

NumPy是一個開源的Python科學計算基礎庫，包含：

一個強大的N維數組對象 ndarray

廣播功能函數

整合C/C++/Fortran代碼的工具

線性代數、傅里葉變換、隨機數生成等功能

NumPy是SciPy、Pandas等數據處理或科學計算庫的基礎

3、numpy庫有什么用

numpy用途是很廣的，涉及到數字計算等都可以使用，它的優勢在于底層是C語言開發的數據*快。

可用來存儲和處理大型矩陣，比Python自身的嵌套列表結構要高效的多，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。

Python

數組對象可以去掉元素間運算所需的循環，使一維向量更像單個數據

設置專門的數組對象，經過優化，可以提升這類應用的運算速度

觀察：科學計算中，一個維度所有數據的類型往往相同

數組對象采用相同的數據類型，有助于節省運算和存儲空間

4、numpy庫怎么使用

先安裝numpy庫

pip install numpy

導入使用

import numpy as np

5、關于創建Numpy數組有很多方法，以下小編簡單介紹創建數組的2種方法。

（1）創建整數、浮點數、和復數的數組

import numpy as npA = np.array([[1, 2, 3], [3, 4, 5]]) #創建一個整數數組print(A)A = np.array([[1.1, 2, 3], [3, 4, 5]]) #創建一個小數數組print(A)A = np.array([[1, 2, 3], [3, 4, 5]], dtype = complex) # 創建一個復數數組print(A)

當運行上方的代碼時，我們得到的代碼輸出將會是：

[[1 2 3] [3 4 5]][[1.1 2. 3. ] [3. 4. 5. ]][[1.+0.j 2.+0.j 3.+0.j] [3.+0.j 4.+0.j 5.+0.j]]

（2）使用arange（）和reshape（）生成矩陣

np.arange（起點，終點，步長）函數返回一個有起點終點的固定步長的列表。np.arange函數分為三種情況：

①一個參數：參數值為終點，起點取值默認為0，步長默認為1

②兩個參數：*個參數為起點，第二個參數為終點，步長默認

③三個參數：*個參數為起點，第二個參數為終點，第三個參數為步長（支持小數）

np.reshape（shape）：shape參數為要設置矩陣的形狀

下面我們生成一個長度為12的一維矩陣，然后將其設置為一個3行4列的矩陣

import numpy as npa = np.arange(12)print('a =',a)b = np.arange(12).reshape(3,4)print('b =',b)

通過運行上方的代碼我們得到的輸出為：

a = [ 0 1 2 3 4 5 6 7 8 9 10 11]b = [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]