数据分析之NumPy笔记（一）

学习背景

前几天群里有个大佬推荐了一门极客时间里关于数据分析的课程，教学方式是图文+音频，是我比较喜欢的教学方式之一，光看评论都能学到很多的知识，比如学习方式，对内容的理解等，感兴趣的朋友也可以一起学习。

现在是大数据的时代，学习数据分析是必备的技能，python对于获取数据这方面也是特别优势的。

通过爬虫能够获取大量的数据，但是光得到数据也没啥用啊，要让这些数据产生价值，还得进一步处理，也就是数据分析，尽管我数学很差（真是个悲剧~），但这并不能阻止我爱学习的心，所以我毫不犹豫的报了这门课程。哈哈~

好，进入主题，学习的过程中，我记录了一些笔记，想在这里分享给大家，让我们一起学习吧~

NumPy的介绍

学习数据分析怎么能少的了numpy这个功能强大的科学计算库呢。由于这部分内容所涉及的知识点比较多，所以我打算分三次来给大家分享，今天先带大家初步了解一下。

numpy是python使用最多的第三方库，而且是Scipy/pandas等数据科学的基础库，其中使用最多的就是数组了。

数组其实是一种数据结构，python里list（列表）、dict（字典）、tuple（元组）、set（集合）等都是属于数据结构，其中list也是数组。

Numpy相比于列表的优势

我们先来谈谈list列表吧。

列表中的元素可以是任意对象，分散式的把数据存储在内存当中，所以列表里有多少数据就需要有多少的指针，事实上列表中保存的是元素的指针，用来指向存储元素的内存地址。

但我们只想保存数据，并不想要保存指针，从算法的空间和时间优化来看，这样占据了很大的内存空间，同时也增加了计算量和时间，这是一种浪费！

而numpy却可以克服这些缺陷，因为numpy会把数据连续的存储在内存中，然后利用现代cpu的矢量化指令计算，加载寄存器中的多个连续浮点数（其实这点我也还不能理解，先分享给大家，万一有人懂呢~）。

除此之外，numpy中的矩阵计算可以采用多线程的方式，充分利用CPU计算资源，来达到提升计算效率的目的。

课程里还提到了一个重要的规则：避免采用隐式拷贝，而应该就地操作。简单来说就是，能靠自己就不要去依靠别人。就拿自增来说吧，可以简单点写成 x+=2，就不要搞太麻烦写成 y =x+2。。。

好啦，今天就先分享到这，文章里还有很多不理解的地方，比如数据存储的原理，聪明的你愿意和我 分享你的看法吗