一堆数据摆在你面前，老板让你画成图表，怎么做？

第一时间关注 Python 技术干货！

阅读文本大概需要 6 分钟。

最近读者群里有在校大学生读者抛出疑问，校招的 Python 岗位特别少，不知前景到底如何？我给他列出了 Python 的一些主要应用场景。

人工智能，但是门槛高，要求有 985、211 高学历背景。

数据分析，应用场景：运营人员，自媒体人员。

自动化运维，运维人员借助 python 自动化，可以节省很多重复的工作

自动化测试、测试开发，同样，借助 Python自动化，可以节省很多重复的工作，并开发出符合公司特点的测试工具。

其他还有很多场景，你看看这些场景，都是有业务支撑的。技术脱离了业务只是代码，没有意义。Python 只是工具，你要想想，你能用它能做什么，老板要的是结果，而不是你会 Python 就行。

如果你学历不够，你让我推荐一个方向的话，我会推荐你选择数据分析方向。因为，我们生活在数据驱动一切的时代，近几年，每到年末，各大平台就是出炉他们平台的数据汇总。大数据是让我们接近事实真相的一条明路。所以现在的市场上，数据分析师，数据产品经理，有数据思维的运营人员，都是很吃香的，他可以让你在你的专业上如虎添翼。

你用爬虫或者手工收集了一堆数据，无序的摆在你面前，你怎么做才让这些数据看起来有规律可循，怎样才能画成图表让老板能看懂。那就要借助相应的工具或者 Python 的处理库了。

今天给大家分享一个数据分析处理数据的常见的库：Numpy。这个库是 Python 数据分析的基础，它提供的数据结构比 Python 自身的更高效。我们知道 Python 有自带的列表数据结构。Numpy 库和 list 列表有什么区别呢？

python list 列表保存的是对象的指针，比如 [0,1,2] 需要保存 3 个指针和 3 个整数的对象，这样就很浪费内存了。

那 Numpy 是怎么存数据的呢？Numpy 是储存在一个连续的内存块中，节约了计算资源。

小技巧

避免采用隐式拷贝，多用就地操作，比如你想打印 5 个 b，有两种方法：

Numpy 库安装

直接使用 pip 命令安装，简单方便。

ndarray对象

NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。在 NumPy 中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是一个一维数组，而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是 NumPy 中的轴（axes），而轴的数量——秩，就是数组的维数。

ndarray 内部由以下内容组成：

一个指向数据（内存或内存映射文件中的一块数据）的指针。

数据类型 dtype，描述在数组中的固定大小值的格子。

一个表示数组形状（shape）的元组，表示各维度大小的元组。

创建数组

用 shape 属性获得数组的大小。

更改数组的元素，把元素中 5 换成 0，直接用下标。

通过 dtype 获得元素的属性。

结构数组

比如我想统计一个班的学生姓名、语文、数学、英语成绩，当然我们可以通过下标来获取，当这样不够高效。用 Numpy 怎么操作呢？我们得先用 dtype 定义好自定义的数据结构。

然后我们用 array 定义真实数据的数组时，把 stype 元素属性定义为上面自定义的数据结构，这样就可以调用自定义的数据结构了。

我们把需要的值全部取出来，这里我们取出全部的值。

数据提取出来之后我们就可以对数据进行处理了，比如，我们要求这三个学生各科成绩的平均值。在 Numpy 库中，mean() 用来求平均值。

很多伙伴可能觉得很繁琐，但是这种通过自己自定义的数据结构更方便，特别是针对庞大的数据量，整理数据的能力也更高效。

ufun运算

ufun 是 universal function 的缩写，对数组中的每个元素进行函数式的操作，计算速度快，因为很多 ufun 函数都是采用 C 语言实现的。

创建连续数组

两种函数可以创建，第一种用 arange 函数创建，格式：arange(初始值，终值，步长)，其中终值是开区间，不包括其值。

第二种用 linspace 函数创建，格式：linspace(初始值，终值，元素个数)，其中终值是闭区间，包括其值。

算法运算

可以对数组进行基本的加减乘除、取余运算。

加减乘除运算

用上面两个函数创建的数组举例。

计算数组中最大值、最小值、平均值，标准差、方差。

数据分析的基础库 Numpy 库的基本用法就介绍到这里。

觉得不错，点好看、戳下鸡腿、转发朋友圈都是一种支持。