其实，数据分析看着很高大上，也很实用，但是真的很枯燥啊。。。。但是它又不得不学，毕竟数据分析对很多工作是很有帮助的，比如爬虫，抓到的数据，不论是保存到文件还是数据库，都需要对数据进行清洗、去重等等操作 ，这些和数据分析就密不可分了！

概述

python的数据分析主要用到3个库：numpy、pandas、matplotlib,它们的差别简单的说就是，numpy主要操作数值，pandas操作数值和字符，matplotlib做可视化！

NUMPY（以下简称NP）是Python数据分析必不可少的第三方库，np的出现一定程度上解决了Python运算性能不佳的问题，同时提供了更加精确的数据类型。如今，np被Python其它科学计算包作为基础包，已成为Python 数据分析的基础，可以说，NP是SciPy、Pandas等数据处理或科学计算库最基本的函数功能库。因此，理解np的数据类型对python数据分析十分有帮助。

今天，给大家分享的就是NP的常用操作和基本数据类型

numpy基础操作

安装和导入：

pip install numpy 安装库

导入时直接import numpy，为了方便使用，基本默认用import numpy as np

说到numpy，就不得不说到数组，多维数组的操作，在numpy中是很常见的，而且也很简单（当然需要自身有一定的数学基础哦！）用代码来直接呈现吧

列表或者迭代器都可以直接用array方法传入列表，最终生成1行5列的数组（矩阵），它们都是numpy定义的数据类型

这是一行，也可以生成二维数组

先给lis列表添加2个列表进去，它的格式是【【lis1】，【lis2】】，然后传入a，打印出来就是一个2行5列的数组，当然数据类型是不变的。

既然是多行，那么就可以改变形状了，这里用到了shape（查看）和reshape（修改）数组形状的方法，注意这里的修改形状，不能将2行5列的数组修改为3行5列的数组，只能行和列互换，而且reshape有返回值，不影响原有数据的，看下图

在来一个错误示例

将多种情况都打印出来，就可以看的很明白了！

flatten方法，它可以将多维数组'摊平'，这个方法相对重要！同样，它也不影响原有数组

numpy的简单计算及索引与取值

以上我们说到了一些numpy对数组的简单操作，计算部分，就单开一节了。先来几个简单的

数组+1，所有数加1，数组乘3，所有数乘3。而数组的索引与取值，可以对比列表的索引和取值，来进行学习，注意，它的下标依然是从0开始的

而取列就不一样了，比如：a[:,1]表示第二列，在中括号里面的冒号+逗号表示所有行，先看实例：

也可以取指定的行或者列，如下图：

取指定行的话，直接传含有指定行索引的列表进去，取列也一样，不过在前面记得加冒号+逗号。不止只有，还可以取指定行与列交叉部分：

b = a[1:3,2:4],注意，列表中前面的1：3代表行，后面的2：4代表列！取出的值依然是一个numpy的数据类型！

未完待续

以上介绍了一些numpy操作数组的，及它本身的一些基本操作方式，要知道numpy用法很广泛，一篇文章根本写不完，之后会慢慢的分享给大家!

再次重申，数据分析是一个非常枯燥的工作，它比web开发或者爬虫都要枯燥很多，如果您有这方面的学习欲望，且能坚持的话，可以来和我们一起学习哦！

我们要振作精神，下苦功学习。下苦功，三个字，一个叫下，一个叫苦，一个叫功，一定要振作精神，下苦功。

—— 毛泽东