我們知道Pandas是在NumPy的基礎(chǔ)構(gòu)建而來(lái)，因此，熟悉NumPy可以更加有效的幫助我們使用Pandas。

    NumPy主要用C語(yǔ)言編寫，因此，在計(jì)算還和處理一維或多維數(shù)組方面，它要比Python數(shù)組快得多。

    創(chuàng)建數(shù)組

    數(shù)組的主要作用是在一個(gè)變量中存儲(chǔ)多個(gè)值。NumPy可以輕松地處理多維數(shù)組，示例如下:

import numpy as np
arr = np.array([2, 4, 6, 8, 10, 12])
print(type(arr))print ("打印新建數(shù)組: ",end="")#使用for循環(huán)讀取數(shù)據(jù) for l in range (0,5): 
 print (arr[l], end=" ")1234567復(fù)制代碼類型：[python]

    輸出結(jié)果：

<class 'numpy.ndarray'>
打印新建數(shù)組: 2 4 6 8 1012復(fù)制代碼類型：[python]

    雖然Python本身沒有數(shù)組這個(gè)說(shuō)法，不過(guò)Python提供一個(gè)array模塊，用于創(chuàng)建數(shù)字、字符類型的數(shù)組，它能夠容納字符型、整型、浮點(diǎn)型等基本類型。示例如下：

import array#注意此處的 'l' 表示有符號(hào)int類型 arr = array.array('l', [2, 4, 6, 8, 10, 12])
print(type(arr))print ("新建數(shù)組: ",end="") 
for i in range (0,5): 
 print (arr[i], end=" ") 1234567復(fù)制代碼類型：[python]

    輸出結(jié)果：

<class 'array.array'>
新建數(shù)組: 2 4 6 8 1012復(fù)制代碼類型：[python]

    布爾索引

    布爾索引是NumPy的重要特性之一，通常與Pandas一起使用。它的主要作用是過(guò)濾DataFrame中的數(shù)據(jù)，比如布爾值的掩碼操作。

    下面示例展示了如何使用布爾索引訪問(wèn)DataFrame中的數(shù)據(jù)。

    首先創(chuàng)建一組包含布爾索引的數(shù)據(jù)，如下所示：

import pandas as pd 
dict = {'name':["Smith", "William", "Phill", "Parker"],  
  'age': ["28", "39", "34", "36"]}  
info = pd.DataFrame(dict, index = [True, True, False, True])  
print(info)12345復(fù)制代碼類型：[python]

    輸出結(jié)果：

 name ageTrue  Smith  28True   William  39False Phill  34True Parker  3612345復(fù)制代碼類型：[python]

    然后使用.loc訪問(wèn)索引為True的數(shù)據(jù)。示例如下：

import pandas as pd   
dict = {'name':["Smith", "William", "Phill", "Parker"],  
  'age': ["28", "39", "34", "36"]}  
info = pd.DataFrame(dict, index = [True, True, False, True])#返回所有為 True的數(shù)據(jù)  print(info.loc[True]) 123456復(fù)制代碼類型：[python]

    輸出結(jié)果：

   name ageTrue Smith  28True  William  39True   Parker  361234復(fù)制代碼類型：[python]

    重塑數(shù)組形狀

    在不改變數(shù)組數(shù)據(jù)的情況下，對(duì)數(shù)組進(jìn)行變形操作，即改變數(shù)組的維度，比如2*3（兩行三列）的二維數(shù)組變維3*2（三行兩列）的二維數(shù)組。變形操作可以通過(guò)reshape()函數(shù)實(shí)現(xiàn)。

    示例如下：

import numpy as np 
arr = np.arange(16) 
print("原數(shù)組: \n", arr) 
arr = np.arange(16).reshape(2, 8) 
print("\n變形后數(shù)組:\n", arr) 
arr = np.arange(16).reshape(8 ,2) 
print("\n變形后數(shù)組:\n", arr)1234567復(fù)制代碼類型：[python]

    輸出結(jié)果：

    原數(shù)組:

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15]

變形后數(shù)組:
[[ 0  1  2  3  4  5  6  7]
[ 8  9 10 11 12 13 14 15]]

變形后數(shù)組:
[[ 0  1]
[ 2  3]
[ 4  5]
[ 6  7]
[ 8  9]
[10 11]
[12 13]
[14 15]]123456789101112131415復(fù)制代碼類型：[python]

    Pdans與NumPy區(qū)別

    Pandas和NumPy被認(rèn)為是科學(xué)計(jì)算與機(jī)器學(xué)習(xí)中必不可少的庫(kù)，因?yàn)樗鼈兙哂兄庇^的語(yǔ)法和高性能的矩陣計(jì)算能力。下面對(duì)Pandas與NumPy進(jìn)行簡(jiǎn)單的總結(jié)，如下表所示：  

    轉(zhuǎn)換ndarray數(shù)組

    在某些情況下，需要執(zhí)行一些NumPy數(shù)值計(jì)算的高級(jí)函數(shù)，這個(gè)時(shí)候您可以使用to_numpy()函數(shù)，將DataFrame對(duì)象轉(zhuǎn)換為NumPyndarray數(shù)組，并將其返回。函數(shù)的語(yǔ)法格式如下：

DataFrame.to_numpy(dtype=None, copy=False)   1復(fù)制代碼類型：[python]

    參數(shù)說(shuō)明如下：

    dtype：可選參數(shù)，表示數(shù)據(jù)類型；

    copy：布爾值參數(shù)，默認(rèn)值為Fales，表示返回值不是其他數(shù)組的視圖。

    下面使用示例，了解該函數(shù)的使用方法。示例1：

info = pd.DataFrame({"P": [2, 3], "Q": [4.0, 5.8]})#給info添加R列 info['R'] = pd.date_range('2020-12-23', periods=2)
print(info)#將其轉(zhuǎn)化為numpy數(shù)組 n=info.to_numpy()
print(n)
print(type(n))12345678復(fù)制代碼類型：[python]

    輸出結(jié)果：

[[2 4.0 Timestamp('2020-12-23 00:00:00')]
[3 5.8 Timestamp('2020-12-24 00:00:00')]]12復(fù)制代碼類型：[python]

    可以通過(guò)type查看其類型，輸出如下：

numpy.ndarray1復(fù)制代碼類型：[python]

    示例2：

import pandas as pd 
#創(chuàng)建DataFrame對(duì)象info = pd.DataFrame([[17, 62, 35],[25, 36, 54],[42, 20, 15],[48, 62, 76]], 
columns=['x', 'y', 'z']) 
print('DataFrame\n----------\n', info) 
#轉(zhuǎn)換DataFrame為數(shù)組arrayarr = info.to_numpy() 
print('\nNumpy Array\n----------\n', arr) 12345678復(fù)制代碼類型：[python]

    輸出結(jié)果：

DataFrame
----------
  x   y   z0  17  62  351  25  36  542  42  20  153  48  62  76Numpy Array
----------
[[17 62 35]
[25 36 54]
[42 20 15]
[48 62 76]]