Python資料處理 | (一)Numpy入門

阿新 • • 發佈：2018-12-17

本篇部落格所有示例使用Jupyter NoteBook演示。

示例程式碼下載：

一、NumPy簡介

本篇部落格將詳細的介紹NumPy。NumPy(Numerical Python)提供了高效儲存和操作密集資料快取的介面。在某些方面，NumPy陣列與Python內建的列表型別非常相似。但是隨著陣列在維度上變大，NumPy陣列提供了更加高效的儲存和資料操作。NumPy陣列幾乎是整個Python資料科學工具生態系統的核心。因此，不管你對資料科學哪個方面感興趣，花點時間學習NumPy是值得的。

二、理解python中的資料型別

Python的易用性在於動態輸入。靜態型別的語言如C、Java，每一個變數都要明確的宣告他的型別，而動態語言Python不需要。例如用c和python分別實現100內的累加：

C：

int result = 0;
for(int i=0;i<100;i++)
{
result += i;
}

Python:

result = 0
for i in range(100):
    result += i

最大的不同在於，c語言中，每個變數的資料型別要被明確的宣告；而python中型別是動態推斷的，可以將任何型別的資料賦給任何變數：

x = 4
x = 'four'

但是這樣在C中，就會報錯：

int x = 4;
x = "four";  //編譯失敗

Python的這種靈活性指出了一個事實：Python變數不僅是它的值，還包含了關於值的型別的一些額外的資訊。

1.Python整型不僅僅是一個整型

標準的Python實現使用c語言編寫的。這就意味了每一個Python物件都是一個偽C語言結構體，該結構體不僅包含其值，還有其他資訊。

例如，我們在Python中定義一個整型：x=1000，x並不是一個“原生”整型，而是一個指標，指向一個C語言的複合結構體，裡面包含了一些值。

檢視Python3原始碼，可以發現整型的定義包含四部分，如下所示：

ob_refcnt是一個引用計數，幫助Python處理記憶體的分配和回收
ob_type將變數的型別編碼
ob_size指定接下來資料成員的大小
ob_digit包含我們希望Python變量表示的實際整型值

這意味著與C語言這樣的編譯語言中的整型相比，python中儲存一個整型會有一些開銷，如下圖所示：

Python中儲存整數1不僅要儲存其值，還要儲存型別等其他資訊(這裡的PyObject_HEAD是結構體中包含引用計數、型別編碼和其他之前提到的內容）。

C整型和Python整型的區別：

C語言整型本質上對應某個記憶體位置的標籤，裡面儲存的位元組會編碼成整型。而Python整型其實是一個指標，指向包含這個Python物件所有資訊的某個記憶體位置，其中包括可以轉換成整型的位元組。由於Python的整型結構體裡面包含了大量額外資訊，所以Python可以自由、動態的編碼。但是，Python型別中的額外資訊也會成為負擔，在多個物件組合的結構體中尤其明顯。

2.Python列表不僅僅是一個列表

在之前的部落格中我們曾經學習過Python列表型別，忘記的可以複習一下：列表簡介和操作列表。

整型列表：

字串列表：

因為Python的動態型別特性，可以建立一個異構的列表

但是Python的這種靈活性是要付出代價的，為了獲取靈活的型別，列表中的每一項必須包含各自的型別資訊，引用計數和其他資訊，每一項都是一個完整的Python物件。那麼如果列表中的所有變數都是同一型別，這時很多資訊都是多餘的。因此，將資料儲存在固定型別的陣列中會更高效。

動態型別的列表和固定型別的陣列(NumPy）的區別：

實現層面，陣列基本上包含一個指向連續資料塊的指標。Python列表包含一個指向指標塊的指標，其中的每一個指標對應一個完整的Python物件(前面看到的Python整型結構)。另外，列表優勢是靈活，每個列表元素是一個包含資料和型別資訊的完整結構體，因此列表可以用任意型別的資料填充。固定型別的NumPy陣列缺乏這種靈活性，但能更有效的儲存和操作資料。

NumPy陣列相當於C語言中的列表。