Python数据分析系列之Numpy常用操作第一篇

这是我参与11月更文挑战的第11天，活动详情查看：2021最后一次更文挑战

NumPy数组和原生Python Array（数组）之间有几个重要的区别：

1. NumPy 数组在创建时具有固定的大小，与Python的原生数组对象（可以动态增长）不同。更改ndarray的大小将创建一个新数组并删除原来的数组。
2. NumPy 数组中的元素都需要具有相同的数据类型，因此在内存中的大小相同。 例外情况：Python的原生数组里包含了NumPy的对象的时候，这种情况下就允许不同大小元素的数组。
3. NumPy 数组有助于对大量数据进行高级数学和其他类型的操作。通常，这些操作的执行效率更高，比使用Python原生数组的代码更少。
4. 越来越多的基于Python的科学和数学软件包使用NumPy数组; 虽然这些工具通常都支持Python的原生数组作为参数，但它们在处理之前会还是会将输入的数组转换为NumPy的数组，而且也通常输出为NumPy数组。换句话说，为了高效地使用当今科学/数学基于Python的工具（大部分的科学计算工具），你只知道如何使用Python的原生数组类型是不够的 - 还需要知道如何使用 NumPy 数组。

如何使两个长度相同的列表里面的相同索引/位置的数值相乘并输出到一个新列表：
Python列表的方式：

1. 创建一个空的列表
2. 遍历迭代相同位置的数值并两者相乘的结果追加到新列表中

a = [1, 2, 3, 4]
b = [5, 6, 7, 8]
c = []
for i in range(len(a)):
    c.append(a[i]*b[i])

按照上述的方法，如果这个列表是数以百万的数据，循环迭代的时间将会是很长的。
Numpy是怎样的呢？

1. Numpy数组a 乘以 Numpy数组b即可

c = a * b

这样Numpy的使用起来、理解起来非常形象且代码实现非常简单。

为什么Numpy那么快？
矢量化和广播.

矢量化： 代码中没有任何显式的循环，索引
传播：隐式逐元素行为

就拿上述的 c = a * b为例，这个相同位置的数组相乘的计算，这个代码实现中没有任何显式的循环和索引，也没有直接进行逐个元素的处理，即隐式地逐元素。