零基础上手Python数据分析 (23)：NumPy 数值计算基础 - 数据分析的加速“引擎”

写在前面

—— 超越原生 Python 列表，解锁高性能数值计算，深入理解 Pandas 的底层依赖

在前面一系列关于 Pandas 的学习中，我们已经领略了其在数据处理和分析方面的强大威力。我们学会了使用 DataFrame 和 Series 来高效地操作表格数据。但是，你是否好奇，Pandas 为何能够如此高效地处理大规模数据？其背后隐藏着怎样的 “秘密武器”？

答案就是我们今天要深入学习的主角——NumPy (Numerical Python)。

NumPy：Python 科学计算的基石

NumPy 是 Python 中用于 科学计算 的 基础核心库。它提供了：

1. 一个强大的 N 维数组对象 (ndarray)。
2. 用于操作这些数组的各种 高效函数 (例如数学运算、逻辑运算、形状操作、排序、选择等)。
3. 用于线性代数、傅里叶变换和随机数生成的工具。

为什么在学习 Pandas 之后还要学习 NumPy？

你可能会问，既然 Pandas 已经那么好用了，为什么我们还要回过头来学习 NumPy？ 原因主要有以下几点：

• Pandas 的底层依赖： Pandas 的核心数据结构 Series 和 DataFrame 在底层很大程度上是建立在 NumPy 的 ndarray 之上的。理解 NumPy 的 ndarray 有助于我们更深入地理解 Pandas 的工作原理和性能特性。
• 高性能数值计算： NumPy 的 ndarray 专为 高性能的数值计算 而设计。相比于 Python 内置的列表 (list)，ndarray 在存储和处理大规模数值数据时具有显著的优势：
  • 更少的内存占用： ndarray 存储的是 同质数据类型 (所有元素类型相同)，并且存储方式更紧凑。
  • 更快的计算速度： NumPy 的核心运算是用 C 语言 实现的，并且支持 向量化操作 (Vectorization)，可以对整个数组进行批量操作，避免了 Python 层面低效的循环，速度远超原生 Python 代码。
• 科学计算生态系统的基础： NumPy 是 Python 科学计算生态系统 (SciPy Stack) 的基石，许多其他重要的库，如 SciPy (科学计算库)、Matplotlib (可视化库)、Scikit-learn (机器学习库) 等，都依赖于 NumPy。掌握 NumPy 是深入学习这些库的前提。
• 直接应用场景： 在某些数据分析场景，特别是涉及大量 数值计算、矩阵运算、线性代数 等任务时，直接使用 NumPy 可能比 Pandas 更简洁高效。

虽然本专栏将 NumPy 放在了 Pandas 之后讲解 (因为对于初学者，直接上手 Pandas 更贴近数据分析的实际应用流程)，但掌握 NumPy 的核心概念和操作，对于提升你的数据分析效率、深入理解 Pandas 以及为后续学习更高级的技术打下基础，都至关重要。

本篇博客将带你深入 NumPy 的世界，重点学习：

• NumPy 的核心数据结构：ndarray (N-维数组)
• 创建 ndarray 的多种方法
• ndarray 的重要属性
• NumPy 的核心优势：向量化运算 (UFuncs)
• ndarray 的索引与切片操作
• 布尔索引与条件筛选

掌握 NumPy，你将拥有更强大的数值计算能力，并能更深刻地理解你所使用的 Pandas 工具！

⚙️ 一、NumPy 安装与导入

与 Pandas 和 Matplotlib 类似，如果你使用 Anaconda，NumPy 通常已经预装。 若未安装，可使用 pip 或 conda 安装：

pip install numpy
# 或者
conda install numpy

在 Python 脚本或 Jupyter Notebook 中，导入 NumPy 库，并约定俗成地将其简写为 np。

import numpy as np

二、NumPy 的核心：ndarray 对象

NumPy 最核心的概念就是 ndarray (N-dimensional array)，即 N 维数组。 它是一个 同质 (homogeneous) 数据类型的 多维网格。

ndarray 的关键特性：

• 维度 (Dimensions/Axes)： ndarray 可以是一维、二维、三维甚至更高维度。 维度的数量称为 秩 (rank)。
• 形状 (Shape)： 一个 元组 (tuple)，描述了数组在 每个维度上的大小。 例如，一个 3 行 4 列的二维数组，其形状为 (3, 4)。
• 数据类型 (dtype)： 数组中 所有元素的数据类型必须相同。 NumPy 支持多种数值数据类型，例如 int8, int16, int32, int64, uint8 (无符号整数), float16, float32, float64, complex64, complex128, bool, object (可以存储 Python 对象，但会失去 NumPy 的性能优势), string_, unicode_ 等。 这与 Python 列表可以包含不同类型元素的特性形成对比。
• 固定大小 (Fixed Size)： ndarray 在创建时大小是固定的。 改变数组的大小会创建一个新的数组并删除原来的数组。 这有助于提高内存效率和计算性能。

1. 创建 ndarray

有多种方法可以创建 NumPy ndarray 对象：

• 从 Python 列表或元组创建：np.array()

  这是最常用的创建方式，可以将 Python 的列表或嵌套列表转换为 ndarray。

  # 创建一维数组
  list1 = [1, 2, 3, 4, 5]
  arr1d = np.array(list1)
  print("一维数组 arr1d:\n", arr1d)
  print("arr1d 的类型:", type(arr1d))
  print("arr1d 的数据类型:", arr1d.dtype)
  
  # 创建二维数组 (矩阵)
  list2d = [[1, 2, 3], [4, 5, 6]]
  arr2d = np.array(list2d)
  print("\n二维数组 arr2d:\n", arr2d)
  print("arr2d 的数据类型:", arr2d.dtype)
  
  # 创建指定数据类型的数组
  arr_float = np.array([1, 2, 3], dtype=np.float64) # 指定为 float64 类型
  print("\n指定数据类型的数组 arr_float:\n", arr_float)
  print("arr_float 的数据类型:", arr_float.dtype)
  
  arr_str = np.array([1, 2, 3], dtype=str) # 指定为字符串类型
  print("\n指定数据类型的数组 arr_str:\n", arr_str)
  print("arr_str 的数据类型:", arr_str.dtype)
  

• 使用 NumPy 内置函数创建特定数组：

  • np.zeros(shape, dtype=float): 创建指定形状 shape 且所有元素都为 0 的数组。

    zeros_arr = np.zeros((2, 3)) # 创建一个 2x3 的全零浮点型数组
    print("\n全零数组 zeros_arr:\n", zeros_arr)
    

  • np.ones(shape, dtype=float): 创建指定形状 shape 且所有元素都为 1 的数组。

    o