之前為大家分享了python的基本語法，有疑問的小伙伴可以參考下文～

土豆愛數學：零基礎如何快速入門python?zhuanlan.zhihu.com

對python基本語法了解后，就可以嘗試用python進行數據分析了。python在數據分析領域用到最多是包numpy、pandas 和 matplotlib：

• numpy是用于科學計算，比如線性代數中的矩陣計算（在機器學習中非常有用）；
• pandas是基于numpy的數據分析工具，該工具是為了解決數據分析任務而創建的，它提供了一套名為數據框dataframe的數據結構，可以方便地對表結構的數據進行分析；
• matplotlib是一個圖形繪制庫，專門用于數據分析結果的可視化。

那么在進行正式數據分析之前，我們先來學習一下這幾個包的使用（本文主要介紹numpy和pandas包，matplotlib圖表可視化后續會專門出教程～），后續會結合實際的案例幫助大家更好的理解這幾個包的使用，以及數據分析的基本過程。

本文目錄

一、科學計算工具：numpy包學習

numpy包學習內容框架

首先在notebook中導入numpy包

#導入numpy包并重新命名（需要先安裝，可以直接在終端安裝：pip install numpy）

先來學習一下numpy的基礎數據結構，numpy數組是一個多維數組對象，稱為ndarray，可以創建一維、二維、三維幾多維數組。

數組的基本屬性：

• ① 數組的維數稱為秩（rank），一維數組的秩為1，二維數組的秩為2，以此類推
• ② 在NumPy中，每一個線性的數組稱為是一個軸（axes），秩其實是描述軸的數量：比如說，二維數組相當于是兩個一維數組，其中第一個一維數組中每個元素又是一個一維數組，所以一維數組就是NumPy中的軸（axes），第一個軸相當于是底層數組，第二個軸是底層數組里的數組。而軸的數量——秩，就是數組的維數。

1??array()創建一維數組及操作

一維數組學習內容框架

1、numpy一維數組創建

#創建一維數組：array()函數，括號內可以是列表、元祖、數組、生成器等

2、一維數組基本元素查詢及切片訪問

通常一個切片操作要提供三個參數：[切片起始位置: 切片的結束位置(不包括): 步長]
step可以不提供，默認值是1，步長值不能為0，不然會報錯ValueError。ar

3、可以循環訪問

ar

4、基本計算：加減乘除，平均值，最大最小值，方差標準差等

print注：numpy 一維與列表的差異：numpy數組中的每個元素都必須是同一種數據類型，而列表中的元素可以是不同的數據類型。

2??array()創建二維數組及操作

二維數據結構是指這個數據既有行又有列，有點類似于Excel里的二維表格

二維數組學習內容框架

1、創建二維數組：array()函數(三維數組同理)

ar

2、二維數組元素查詢及切片訪問(三維數組同理)

print

3、布爾型索引及切片(三維數組同理)

# 以布爾型的矩陣去做篩選

4、numpy數軸參數

ar

3??其他numpy創建數組方法

# 其他創建數組方法：arange()，類似range()，在給定間隔內返回均勻間隔的值。 # 其他創建數組方法：linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None):返回在間隔[start，stop]上計算的num個均勻間隔的樣本
# 其他創建數組方法：zeros(shape, dtype=float, order='C'):返回給定形狀和類型的新數組，用零填充
# 其他創建數組方法：zeros_like() 返回具有與給定數組相同的形狀和類型的零數組
# 其他創建數組方法：ones()/ones_like(),和zeros()/zeros_like()一樣，只是填充為1
# 其他創建數組方法：eye(),創建一個正方的N*N的單位矩陣，對角線值為1，其余為0

4??numpy通用函數

# 數組形狀：.T方法：轉置，例如原shape為(3,4)/(2,3,4)，轉置結果為(4,3)/(4,3,2) → 所以一維數組轉置后結果不變
# 數組形狀：.reshape(a, newshape, order='C')：為數組提供新形狀，而不更改其數據，所以元素數量需要一致
# 數組形狀：.resize(a, new_shape)：返回具有指定形狀的新數組，如有必要可重復填充所需數量的元素
# 數組復制：.copy() 如ar1 = ar.copy()
# 數組類型轉換：.astype()，如ar2 = ar1.astype(np.int32)

5??Numpy隨機數

numpy.random包含多種概率分布的隨機樣本，是數據分析輔助的重點工具之一，感興趣的可以百度或私信～

二、數據分析工具：pandas學習

pandas包學習內容框架

首先在notebook中導入pandas包

#導入pandas包并重新命名（需要先安裝，可以直接在終端安裝：pip install pandas）

先來學習一下pandas的基礎數據結構，pandas有Series和Dataframe兩種數據結構，分別代表了一維數組和二維數組：

• Series 數據結構是帶有標簽的一維數組，可以保存任何數據類型（整數，字符串，浮點數，Python對象等）,軸標簽統稱為索引；
• Dataframe是一個表格型的數據結構，“帶有標簽的二維數組”

1??pandas一維數組Series創建及操作

1、創建series：創建方法一：由字典創建 / 創建方法二：由數組創建(一維數組) / 名稱屬性：name

# 創建方法一：由字典創建，字典的key就是index，values就是values

2、Series索引：iloc屬性用于根據位置獲取值/ loc屬性用于根據索引獲取值/ 切片索引 / 布爾型索引

# 位置下標索引，位置下標從0開始

3、基本數據技巧：數據查看 / 獲取描述統計信息 / 向量化運算 / 刪除缺失值 / 將缺失值進行填充

# 數據查看

4、series與array一維數組的聯系與區別：

pandas是建立在numpy的基礎上的，series和ndarray較相似，索引切片功能差別不大。但是Series比Array的功能更多，series相比于ndarray，是一個自帶索引index的數組，所以當只看series的值的時候，就是一個ndarray

2??pandas二維數組Dataframe創建及操作

Dataframe學習內容框架

1、創建方法

• 常用方法：由字典創建（由數組/list組成的字典）
• 其他變形創建方法：由series組成的字典/由字典組成的列表/由字典組成的字典/通過二維數組直接創建

#常用創建方法：由字典創建（由數組/list組成的字典）

salesDf結果

2、Dataframe索引

>>查詢數據：iloc屬性用于根據位置獲取值：查詢元素 / 獲取行 / 獲取列

#查詢元素：查詢第1行第2列的元素

>>查詢數據：loc屬性用于根據索引獲取值：查詢元素 / 獲取行 / 獲取列

#查詢元素：查詢第1行第2列的元素

>>數據框復雜查詢：切片索引

#通過列表來選擇某幾列的數據

salesDf[['商品名稱','銷售數量']] 結果#通過切片功能，獲取指定范圍的列

salesDf.loc[:,'購藥時間':'銷售數量']結果

>>數據框復雜查詢：條件判斷（布爾型索引）

#通過條件判斷篩選

salesDf.loc[querySer,:]結果

3、查看數據集描述統計信息

#讀取Ecxcel數據

salesDf.head(3) 結果#查看數據有多少行，多少列

salesDf.describe()結果

4、dataframe與array二維數組的聯系與區別：

numpy數組中的每一個元素都屬于同一種數據類型，這在數值計算和科學計算中是非常有用的。但是它不利于我們表示類似于Excel中的內容，因為Excel中每一列的數據類型可能都不一樣

DataFrame 也有索引的功能，這使得其很容易存儲常見的表格數據，DataFrame 的每一列數據可以是不同類型，這就方便表示 Excel 中的數據內容。

三、總結～

以上分享了利用python進行數據分析兩個最關鍵的包：numpy與pandas的基礎學習內容，還有如numpy中random隨機數、pandas中datetime時間模塊等也是數據分析中常用到的模塊函數，包括數據python在可視化matplotlib包的學習，后續會繼續分享給大家。

接下來會分享利用python進行數據分析的實戰項目（大型零售數據分析案例），讓大家更好的理解數據分析的過程，與numpy與pandas包的學習應用

最后～附上python數據分析入門numpy與pandas包的學習筆記～希望對大家有幫助，有任何問題歡迎聯系與指正。

numpy與pandas學習筆記

總結

以上是生活随笔為你收集整理的numpy 创建加一行_Python数据分析快速入门--NumPy amp; Pandas的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。