随着大数据时代的变革，Python越来越火，通常会利用Python进行数据分析；那么如何使用Numpy进行数据分析，你对numpy库了解多少呢？今天融跃小编就这一问题进行详细的论述，请仔细阅读。

1、关于Numpy

Numpy是高性能科学计算和数据分析的基础包，它的部分功能如下：

1）ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。

2）对整组数据进行快速运算的标准数学函数

3）用于读写磁盘数据的工具以及用于操作内存映射文件的工具。

2、numpy是什么库

NumPy是一个开源的Python科学计算基础库，包含：

一个强大的N维数组对象 ndarray

广播功能函数

整合C/C++/Fortran代码的工具

线性代数、傅里叶变换、随机数生成等功能

NumPy是SciPy、Pandas等数据处理或科学计算库的基础

3、numpy库有什么用

numpy用途是很广的，涉及到数字计算等都可以使用，它的优势在于底层是C语言开发的数据*快。

可用来存储和处理大型矩阵，比Python自身的嵌套列表结构要高效的多，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。

Python

数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据

设置专门的数组对象，经过优化，可以提升这类应用的运算速度

观察：科学计算中，一个维度所有数据的类型往往相同

数组对象采用相同的数据类型，有助于节省运算和存储空间

4、numpy库怎么使用

先安装numpy库

pip install numpy

导入使用

import numpy as np

5、关于创建Numpy数组有很多方法，以下小编简单介绍创建数组的2种方法。

（1）创建整数、浮点数、和复数的数组

import numpy as npA = np.array([[1, 2, 3], [3, 4, 5]]) #创建一个整数数组print(A)A = np.array([[1.1, 2, 3], [3, 4, 5]]) #创建一个小数数组print(A)A = np.array([[1, 2, 3], [3, 4, 5]], dtype = complex) # 创建一个复数数组print(A)

当运行上方的代码时，我们得到的代码输出将会是：

[[1 2 3] [3 4 5]][[1.1 2. 3. ] [3. 4. 5. ]][[1.+0.j 2.+0.j 3.+0.j] [3.+0.j 4.+0.j 5.+0.j]]

（2）使用arange（）和reshape（）生成矩阵

np.arange（起点，终点，步长）函数返回一个有起点终点的固定步长的列表。np.arange函数分为三种情况：

①一个参数：参数值为终点，起点取值默认为0，步长默认为1

②两个参数：*个参数为起点，第二个参数为终点，步长默认

③三个参数：*个参数为起点，第二个参数为终点，第三个参数为步长（支持小数）

np.reshape（shape）：shape参数为要设置矩阵的形状

下面我们生成一个长度为12的一维矩阵，然后将其设置为一个3行4列的矩阵

import numpy as npa = np.arange(12)print('a =',a)b = np.arange(12).reshape(3,4)print('b =',b)

通过运行上方的代码我们得到的输出为：

a = [ 0 1 2 3 4 5 6 7 8 9 10 11]b = [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]