此文是《10周入门数据分析》系列的第21篇
想了解学习路线，可以先阅读“10周计划”
前两篇讲了Python的基础，今天开始进入Python数据分析工具的教程。
Python数据分析绝对绕不过的四个包是numpy、scipy、pandas还有matplotlib。
numPy是Python数值计算最重要的基础包，大多数提供科学计算的包都是用numPy的数组作为构建基础。专门用来处理矩阵，它的运算效率比列表更高效。
scipy是基于numpy的科学计算包，包括统计、线性代数等工具。
pandas是基于numpy的数据分析工具，能够快速的处理结构化数据的大量数据结构和函数。
matplotlib 是最流行的用于绘制数据图表的 Python 库。
本文先分享NumPy包。
NumPy 的 ndarray：多维数组对象
numpy的数据结构是n维的数组对象，叫做ndarray。可以用这种数组对整块数据执行一些数学运算，其语法跟标量元素之间的运算一样。
创建并操作多维数组：
ndarray对象中所有元素必须是相同类型的，每个数组都有一个shape和dtype。
shape ：表示各维度大小的元组
dtype ：说明数组数据类型的对象
创建 ndarray：一种多维数组对象
创建数组最简单的办法就是使用 array 函数，它接受一切序列型对象（包括其它数组），然后产生一个新的NumPy数组（含有原来的数据）。
np.array会尝试为新建的这个数组推断出一个较为合适的数据类型，这个数据类型保存在一个特殊的dtype对象中。
zeros 和 ones 也分别可以创建指定大小的全 0 或全 1 数组，empty 可以创建一个没有任何具体值的数组（它返回的都是一些未初始化的垃圾值）：
arange是 Python 内置函数range的数组版，np.arange返回间隔均匀的一些值。
ndarray 的数据类型
dtype（数据类型）是一个特殊的对象，它含有 ndarray 将一块内存解释为特定数据类型所需的信息。
需要知道你所处理的数据的大致类型是浮点数、复数、整数、布尔值、字符串，还是普通的 python 对象。当需要控制数据在内存和磁盘中的存储方式时，就得了解如何控制存储类型。
可通过ndarray的astype方法显示地转换其dtype：
若将浮点数转换成整数，则小数部分将会被截断。
若某字符串数组表示的全是数字，可用astype将其转换为数值形式：
这里没写 np.float64 只写了 float，但是NumPy会将 Python 类型映射到等价的dtype上。
数组的dtype的另一个用法：
int_array变成了和calibers一样的浮点型数组
用简洁类型的代码表示dtype：
u4(unit32)：无符号的 32 位（4个字节）整型。
调用astype无论如何都会创建出一个新的数组（原始数据的一份拷贝）。
浮点数只能表示近似的分数值，在复杂计算中可能会积累一些浮点错误，因此比较操作只在一定小数位以内有效。
数组和标量之间的运算
数组：可对数据执行批量运算（不用编写循环即可）。这通常叫做矢量化(vectorization)。
大小相等的数组之间，它们之间任何的算术运算都会应用到元素级（每个元素都做这个运算了），数组与标量的算术运算也是。
不同大小的数组之间的运算叫做广播(broadcasting)。
基本的索引和切片
数据不会被复制，任何修改都直接改了原数组。
如果仅是要一份副本，则用 .copy()。
对二维数组单个元素的索引：
这两种方式等价。
若arr2d[2]，则输出的是一维数组[7,8,9]。
2*2*3的数组（2组2行3列）：
切片索引
布尔型索引
需要先引入：from numpy.random import randn
或将代码改成：data = np.random.randn(7, 4)
布尔型数组的长度必须跟被索引的轴长度一致。每个名字对应 data 数组一行。
对条件进行否定的两种方式：
组合应用多个布尔条件，可使用&、|等布尔算术运算符：
通过布尔型索引选取数组中的数组，将总是创建数据的副本，即使返回一模一样的数组也是一样。
通过布尔型数组设置值：
通过一维布尔数组设置整行或列的值：
花式索引
指利用整数数组进行索引。
np.empty((8,4))
Return a new array of given shape and type, without initializing entries.
for i in range(8):
arr[i] = i
Return an object that produces a sequence of integers from start (inclusive)
to stop (exclusive) by step.
为了以特定顺序选取行的子集，只需传入一个用于指定顺序的整数列表或 ndarray，使用负数索引会从末尾开始选取行（最后一行是 -1）。
一次传入多个索引组，返回一个一维数组：
取整列的两种方法，相当于给列排了顺序：
花式索引跟切片不一样，总是将数据复制到新数组中。
数组转置和轴对换
转置返回的是源数据的视图，不进行任何复制操作。数组有 transpose 方法，还有一个 T 属性来完成转置：
高维数组Transpose 要一个轴编号：
arr是 2 组 2 行 4 列的数组，transpose的参数表示shape的形状，对于这个例子来说，即2[0]、2[1]、4[2]，transpose(1,0,2)转置后变为2[1]、2[0]、4[2]，看起来仍是 2 组 2 行 4 列的形状，但数组内的元素经过转换后索引已经改变，也要遵循（1，0，2）的顺序。如转置前的数组arr[0,1,0]索引值为 4，转置后的数组arr'[1,0,0]，索引值才为 4。其它同理。
ndarray 的 swapaxes 方法接受一对轴编号且返回源数据的视图：
转置后的数组arr.T为 4[2] 组 2[1] 行 2[0] 列数组，swapaxes(1,2)就是将第二个维度（中括号内数字）和第三个维度交换，即转换为 2 组 4 行 2 列。
通用函数：快速的元素级数组函数
通用函数（即 ufunc）是一种对ndarray中的数据执行元素级运算的函数，就是一些简单函数。
利用数组进行数据处理
用数组表达式代替循环的做法，通常被称为矢量化。NumPy 数组将多种数据处理任务表述为数组表达式。
np.meshgrid函数接受两个一维数组，并产生两个二维矩阵（对应于两个数组中所有的（x, y）对。
将条件逻辑表述为数组运算
np.wherea函数是三元表达式x if condition else y的矢量化版本。
np.where的第二个和第三个参数不必是数组，传递给where的数组大小可以不相等，甚至可以是标量值。在数据分析工作中，where通常用于根据另一个数组而产生一个新的数组。
用where表述出更复杂的逻辑：（where的嵌套）
用于布尔型数组的方法
有两个方法any和all。
排序
多维数组可以在任何一个轴向上进行排序，只需将轴编号传给sort：
顶级方法np.sort返回的数组已排序的副本，就地排序则会修改数组。
唯一化以及其他的集合逻辑
np.unique找出数组中的唯一值并返回已排序的结果。
np.in1d用于测试一个数组的值在另一个数组的情况。
随机数生成
numpy.random模块多了用于高效生产多种概率分布的样本值的函数（用来生成大量样本值）。
到这里，numpy的基础就讲解的差不多了，明后天将讲解pandas和matplotlib。更深入的应用，后面也会分享实际应用这些包得数据分析，欢迎关注！
往期内容
第二周（Excel进阶）：数据分析必掌握的43个Excel函数
第五周（数据分析软件应用）：这可能是今年最值得推荐的数据分析工具
第六周（数据可视化）：10分钟做一个高端数据可视化，看完你也会！
第六周（数据可视化）：掌握这22个布局和配色技巧，90%的人都能做出酷炫可视化！
第七周（分析模型）：分析师需要掌握的25个商业模型（二）
第八周（Python）：Python数据分析（一）分析环境&数据结构
最后，觉得文章有价值，右下角点“好看”并转发朋友圈，你们的支持是我更文的动力！
