大家好，我是正在实战各种AI项目的程序员晚枫。
欢迎来到数据分析课程第二课！
今天学习NumPy，这是Python科学计算的基础库。掌握它，你的数据处理速度能提升几十甚至上百倍。
为什么需要NumPy？
Python列表的问题
1
2
3
4
5
6
7
8
|
import time
start = time.time()
python_list = list(range(1000000))
result = [x * 2 for x in python_list]
print(f"Python列表耗时: {time.time() - start:.4f}秒")
|
NumPy数组的优势
1
2
3
4
5
6
7
| import numpy as np
start = time.time()
numpy_array = np.arange(1000000)
result = numpy_array * 2
print(f"NumPy数组耗时: {time.time() - start:.4f}秒")
|
为什么这么快？
- NumPy底层用C语言实现
- 数组在内存中是连续的
- 支持向量化运算（不用写循环）
创建数组
从列表创建
1
2
3
4
5
6
7
8
9
10
11
| import numpy as np
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2)
|
常用创建函数
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
np.arange(0, 10, 2)
np.linspace(0, 1, 5)
np.zeros((3, 4))
np.ones((2, 3))
np.eye(3)
np.full((2, 2), 7)
np.random.rand(3, 3)
np.random.randint(1, 10, (3, 3))
np.random.randn(3, 3)
|
数组属性
1
2
3
4
5
6
7
| arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape)
print(arr.ndim)
print(arr.size)
print(arr.dtype)
print(arr.itemsize)
|
索引和切片
一维数组
1
2
3
4
5
6
7
| arr = np.array([10, 20, 30, 40, 50])
print(arr[0])
print(arr[-1])
print(arr[1:4])
print(arr[::2])
print(arr[::-1])
|
二维数组
1
2
3
4
5
6
7
8
9
| arr = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
print(arr[0, 1])
print(arr[0])
print(arr[:, 1])
print(arr[0:2, 1:3])
|
布尔索引（筛选）
1
2
3
4
5
6
7
8
9
10
| arr = np.array([1, 2, 3, 4, 5, 6])
print(arr[arr > 3])
print(arr[arr % 2 == 0])
print(arr[(arr > 2) & (arr < 6)])
|
数组运算
基本运算
1
2
3
4
5
6
| arr = np.array([1, 2, 3, 4, 5])
print(arr + 10)
print(arr * 2)
print(arr ** 2)
print(arr / 2)
|
数组间运算
1
2
3
4
5
6
| a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b)
print(a * b)
print(a @ b)
|
通用函数（ufunc）
1
2
3
4
5
6
7
| arr = np.array([0, np.pi/2, np.pi])
print(np.sin(arr))
print(np.cos(arr))
print(np.exp(arr))
print(np.log(arr + 1))
print(np.sqrt(arr))
|
数组变形
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| arr = np.arange(12)
arr2d = arr.reshape(3, 4)
arr_flat = arr2d.flatten()
arr2d.T
|
实战：计算股票收益率
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
| import numpy as np
prices = np.array([100, 102, 101, 105, 108])
returns = (prices[1:] - prices[:-1]) / prices[:-1]
print("日收益率:", returns)
cumulative_return = (prices[-1] - prices[0]) / prices[0]
print(f"累计收益率: {cumulative_return:.2%}")
avg_return = np.mean(returns)
print(f"平均日收益率: {avg_return:.2%}")
volatility = np.std(returns)
print(f"波动率: {volatility:.2%}")
|
性能对比：NumPy vs Python列表
实际跑一下看看差距有多大：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
| import numpy as np
import time
size = 10_000_000
start = time.time()
py_list = list(range(size))
result = sum(py_list)
print(f"Python列表: {time.time()-start:.4f}秒")
start = time.time()
np_arr = np.arange(size)
result = np.sum(np_arr)
print(f"NumPy数组: {time.time()-start:.4f}秒")
|
不同数据类型的内存对比
1
2
3
4
5
6
7
8
9
10
11
| import sys
py_list = list(range(1000000))
np_arr = np.arange(1000000, dtype=np.int32)
print(f"Python列表: {sys.getsizeof(py_list) / 1024 / 1024:.1f} MB")
print(f"NumPy int32数组: {np_arr.nbytes / 1024 / 1024:.1f} MB")
|
进阶用法
广播机制详解
广播是NumPy最强大也最容易困惑的特性：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr + 10)
row = np.array([1, 2, 3])
col = np.array([[10], [20]])
print(row + col)
data = np.random.rand(100, 5)
mean = data.mean(axis=0)
std = data.std(axis=0)
standardized = (data - mean) / std
|
花式索引
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| arr = np.arange(20).reshape(4, 5)
print(arr[[0, 2, 3]])
rows = np.array([0, 1, 2, 3])
cols = np.array([0, 2, 4])
print(arr[rows, cols])
print(arr[np.ix_([0, 2], [1, 3])])
|
避坑指南
❌ 坑1：视图vs副本搞混
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| arr = np.arange(6)
view = arr[1:4]
view[0] = 999
print(arr)
copy = arr[1:4].copy()
copy[0] = 100
print(arr)
print(view.base is not None)
print(copy.base is not None)
|
❌ 坑2：整数数组索引的陷阱
1
2
3
4
5
6
7
8
| arr = np.arange(12).reshape(3, 4)
arr[[0, 1], [2, 3]] = 100
arr[[0, 1]] = 100
|
❌ 坑3：数据类型自动提升
1
2
3
4
5
6
7
8
| arr = np.array([1, 2, 3], dtype=np.int32)
arr[0] = 1.5
print(arr)
arr = arr.astype(np.float64)
arr[0] = 1.5
print(arr)
|
实战案例：分析电商用户消费数据
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
| import numpy as np
np.random.seed(42)
user_ids = np.arange(1001, 2001)
spend = np.random.exponential(500, 1000)
orders = np.random.poisson(5, 1000)
age = np.random.randint(18, 65, 1000)
print(f"平均消费: ¥{spend.mean():.0f}")
print(f"消费中位数: ¥{np.median(spend):.0f}")
print(f"消费标准差: ¥{spend.std():.0f}")
high_value = spend > np.percentile(spend, 80)
print(f"高价值用户数: {high_value.sum()}")
print(f"高价值用户平均消费: ¥{spend[high_value].mean():.0f}")
print(f"普通用户平均消费: ¥{spend[~high_value].mean():.0f}")
young = age < 30
middle = (age >= 30) & (age < 45)
senior = age >= 45
print(f"年轻人(<30)平均消费: ¥{spend[young].mean():.0f}")
print(f"中年人(30-45)平均消费: ¥{spend[middle].mean():.0f}")
print(f"年长者(>=45)平均消费: ¥{spend[senior].mean():.0f}")
avg_order_value = spend / np.maximum(orders, 1)
print(f"平均客单价: ¥{avg_order_value.mean():.0f}")
|
下节预告
下一课我们将学习NumPy进阶-数学运算，包括统计函数、线性代数等内容。
👉 继续阅读：NumPy进阶-数学运算
💬 加入学习交流群
扫码加入Python学习交流群，和数千名同学一起进步：
👉 点击加入交流群
群里不定期分享：
- 数据分析实战案例
- Python学习资料
- 求职面试经验
- 行业最新动态
推荐：AI Python数据分析实战营
🎁 限时福利：送《利用Python进行数据分析》实体书
👉 点击了解详情
课程导航
上一篇： Anaconda安装与环境配置
下一篇： NumPy进阶-数学运算
PS：NumPy是数据分析的基石。花时间打好基础，后面的Pandas会学得更轻松。
📚 推荐教材
主教材：《Excel+Python 飞速搞定数据分析与处理（图灵出品）》
💬 联系我
主营业务：AI 编程培训、企业内训、技术咨询
🎓 AI 编程实战课程
想系统学习 AI 编程？程序员晚枫的 AI 编程实战课 帮你从零上手！
微信进群