数据分析的用处，咱就不再多说了，反正有用没有，都是老板说了算。身为程序员的我们，重点关注的是，如何用编程语言(这里用Python)，实现让老板一目了然的数据效果。

数据效果，在管理系统中，常常表现为数据表格和图形，外加点动画。没有图表的管理系统，在这个看颜值的时代，会显得苍白无力，会让人远离。

别的就不多说了，我截两张后台管理系统的界面给你看一下，你就知道我在说什么了。

有一点，我必须说一下，这个是后台Web管理系统来的，后面我也会分享的，老铁，请不要着急。我分享这两张图，主要是想告诉你，里面的数据源，是以数组的形式填充的。

认真学过《第6天 | 12天搞定Python，数据结构(上) 》和《第6天 | 12天搞定Python，数据结构(下) 》朋友，应该知道，在Python数据结构中，是没有数组这个容器的，但数组在开发过程中，确实常用的，于是就有了Numpy。

2.1 安装Numpy

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。安装依然用pip或pip3命令。为了加快下载速度，我们使用清华的镜像就可以了。

用pip/pip3 install numpy -i
https://pypi.tuna.tsinghua.edu.cn/simple

稍等片刻，就安装好了，咱离图表实现又近一步了。

2.2 创建数组

数组有一维和多维，常用的有一维和二维。有一点要注意，数组不同于其他数据结构，数组的内容只能是同一种数据类型，比如全是整型，全是字符串，全是元组。

import numpy as np

# 创建一维整型数组
a = np.array([1, 2, 3])
print(a)

# 二维数组
b = np.array([["老陈", "编程"], ["Python", "Java"]])
print(b)

# 矩阵
c = np.array([[1, 2, 3], [4, 5, 6], [8, 9, 10]])
print(c)
# 行转列
print(c.T)

# 数组以0填充
x = np.zeros((3,), dtype=np.int)
print(x)

# 数组以1填充y
y = np.ones(3, dtype=int)
print(y)

# 生成数组系列,这个用法同之前的range类似
z = np.arange(1, 5)
print(z)

# 列表转成数组
x = [7, 8, 9]
a = np.asarray(x)
print(a)

# 元组转成数组
x = (5, 6, 7)
a = np.asarray(x)
print(a)

输出结果

[1 2 3]
[['老陈' '编程']
 ['Python' 'Java']]
[[ 1  2  3]
 [ 4  5  6]
 [ 8  9 10]]
[[ 1  4  8]
 [ 2  5  9]
 [ 3  6 10]]
[0 0 0]
[1 1 1]
[1 2 3 4]
[7 8 9]
[5 6 7]

2.3 数组访问

数组可通过下标、切片、索引等方式进行访问，这跟之前学Python基础知识并没有多大区别。循环迭代元素，也是类似的。

import numpy as np

"""
数组访问
"""
a = np.arange(1, 11)
# 用索引进行访问
s = slice(1, 3)
print(a[s])
# 切片,Python基础语法来的
b = a[2:7:3]
print(b)
# 用下标访问
i = a[2]
print(i)

# 这个新的语法，重点注意一下
a = np.array([[1, 2, 3], [3, 4, 5], [6, 7, 8]])
# 第2列元素
print(a[..., 1])
# 第2行元素
print(a[1, ...])
# 第2列及剩下的所有元素
print(a[..., 1:])
# 按坐标轴的方式获取：(0,0)，(1,1)和(2,0)位置处的元素。
y = a[[0, 1, 2], [0, 1, 0]]
print(y)
# 过滤值
print(a[a > 6])
# 循环输出
for x in np.nditer(a):
    print(x, end=", ")

输出结果

[2 3]
[3 6]
3
[2 4 7]
[3 4 5]
[[2 3]
 [4 5]
 [7 8]]
[1 4 6]
[7 8]
1, 2, 3, 3, 4, 5, 6, 7, 8, 

2.4 数组操作

数组维度，可按需求进行调整和切割，可去掉重复的元素，可删除不需要的内容。在实现功能时，我不太喜欢说那么多，只想安静地敲代码。建议你也多多敲代码。

import numpy as np

print("---------维度调整---------")
a = np.arange(10)
# 输出维度数
print(a.ndim)
a = np.array([[4, 2, 3], [6, 5, 8]])
# 行数和列数
print(a.shape)
# 调整行数和列数
a.shape = (3, 2)
print(a)
# 还可以通过reshape调整
b = a.reshape(3, 2)
print(b)
print("-----------数组分割------------")
print("分割成3个相同的数组")
b = np.split(a, 3)
print(b)
print("按指定位置进行分割")
b = np.split(a, [3, 3])
print(b)
print("-----------添加元素------------")
np.append(a, [9, 10, 11], axis=None)
print(a)
# 插入元素
print(np.insert(a, 1, 11, axis=1))
print("-----------删除元素------------")
# 去掉重复值
u = np.unique(a)
print(u)
# 删除元素
print(np.delete(a, 5))

输出结果

---------维度调整---------
1
(2, 3)
[[4 2]
 [3 6]
 [5 8]]
[[4 2]
 [3 6]
 [5 8]]
-----------数组分割------------
分割成3个相同的数组
[array([[4, 2]]), array([[3, 6]]), array([[5, 8]])]
按指定位置进行分割
[array([[4, 2],
       [3, 6],
       [5, 8]]), array([], shape=(0, 2), dtype=int64), array([], shape=(0, 2), dtype=int64)]
-----------添加元素------------
[[4 2]
 [3 6]
 [5 8]]
[[ 4 11  2]
 [ 3 11  6]
 [ 5 11  8]]
-----------删除元素------------
[2 3 4 5 6 8]
[4 2 3 6 5]

2.5 数组函数

为了方便数组的操作，在NumPy中，提供了跟Python内置函数一样的功能，如去掉空格，大小写转换，获取最大值、最小值等。

import numpy as np

a = ["老陈"]
b = ["说编程"]
c = np.char.add(a, b)
print(c)
# 开头转成大写字母
print(np.char.capitalize("good"))
# 每个单词开头转成大写字母
print(np.char.title('i like python.'))
# 四舍五入
a = np.array([3.1, 6.66, 153, 0.782, 28.356])
print(np.around(a, decimals=1))
# 最小值
print(np.amin(a))
# 最大值
print(np.amax(a))
# 最大值-最小值
print(np.ptp(a))
# 排序
x = np.array([6, 4, 5])
print(np.sort(x))
a = np.array([[3, 8], [6, 2]])
print(np.sort(a))
# 过滤条件，保留剩下的，成为一维数组
y = np.where(a > 5)
print(a[y])

输出结果

['老陈说编程']
Good
I Like Python.
[  3.1   6.7 153.    0.8  28.4]
0.782
153.0
152.218
[4 5 6]
[[3 8]
 [2 6]]
[8 6]

好了，有关Numpy常用的内容，老陈讲完了，如果觉得对你有所帮助，希望老铁能转发点赞，让更多的人看到这篇文章。你的转发和点赞，就是对老陈继续创作和分享最大的鼓励。

一个当了10年技术总监的老家伙，分享多年的编程经验。想学编程的朋友，可关注今日头条：老陈说编程。分享Python，前端(小程序)、App和嵌入式方面的干货。关注我，没错的。

#Python##数据分析##程序员##numpy##数组#