课程大纲 第 76 课,共 250 课 · 数据基础:numpy 与 pandas
数据基础:numpy 与 pandas

为什么需要数据处理库:从列表到数组

普通的 Python 列表很灵活,但处理数字时又慢又啰嗦。把列表里每个值翻倍就得写一个循环:

prices = [10, 20, 30]
doubled = []
for p in prices:
    doubled.append(p * 2)
print(doubled)   # [20, 40, 60]

numpy(Numerical Python)给你 ndarray:一张存放在一整块紧凑内存里的数字网格。对整个数组做数学运算是在快速的编译后 C 代码里完成的,没有 Python 循环。这叫作向量化。

import numpy as np
prices = np.array([10, 20, 30])
print(prices * 2)        # [20 40 60]   no loop needed
print(prices.sum())      # 60
print(prices.mean())     # 20.0

整个数据和机器学习技术栈都建立在 numpy 之上,所以这是很自然的第一步。按照惯例,我们把它导入为 np。

用 np.array(a_list) 建立一个数组,然后直接在它上面调用 .sum() 和 .mean() 之类的方法。它们返回单个数(一个 Python/numpy 标量),而不是列表。

轮到你了

把 numpy 导入为 np。把列表 [4, 8, 12, 16] 变成一个叫 arr 的 numpy 数组。然后计算 total(它的和)和 avg(它的平均值)。打印 avg。

发现这节课有问题?报告它 · 就这节课提问

这个练习即将开放

完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。