还记得那次处理一个包含百万级数据的CSV文件。用纯Python循环遍历  整整跑了两个小时  我都快崩溃了。后来同事看不下去了  直接给我展示了NumPy的威力。同样的操作  几秒钟就搞定。那一刻真的被震撼到了。

01NumPy就像是给Python装了个涡轮增压器。它的核心是N维数组对象ndarray  这玩意儿比Python原生列表快几十倍呢。

为什么这么快？

因为NumPy底层用C语言实现  数据在内存中连续存储  而且支持向量化操作。简单说就是一次性处理整个数组  而不是像Python那样一个一个元素循环。

import numpy as np

import time

# 创建一个大数组

data = list(range(1000000))

np_data = np.array(data)

# Python原生方式计算平方

start = time.time()

python_result = [x**2 for x in data]

python_time = time.time() - start

# NumPy方式计算平方

start = time.time()

numpy_result = np_data ** 2

numpy_time = time.time() - start

print(f"Python耗时： {python_time：.4f}秒")

print(f"NumPy耗时： {numpy_time：.4f}秒")

print(f"NumPy快了： {python_time/numpy_time：.1f}倍")

这个对比结果会让你大吃一惊的。

02数组创建和基础操作是入门必须掌握的。我在项目中最常用这几种创建方式。

# 从列表创建

arr1 = np.array([1， 2， 3， 4， 5])

# 创建等差数列 在数据可视化中特别有用

x = np.linspace(0， 10， 100)  # 0到10之间100个点

# 创建随机数组 做模拟实验必备

random_data = np.random.normal(0， 1， (1000， 5))  # 1000行5列的正态分布数据

# 创建特殊数组

zeros = np.zeros((3， 4))      # 全零数组

ones = np.ones((2， 3))        # 全一数组

identity = np.eye(4)          # 单位矩阵

有个小技巧。

创建大数组时  用np.empty()比np.zeros()快一些  因为它不初始化值。当然前提是你马上就要覆盖这些值。

03数组索引和切片操作太重要了。我之前总是搞混  后来发现规律就简单多了。

# 创建一个2D数组做演示

matrix = np.array([[1， 2， 3， 4]，

                   [5， 6， 7， 8]，

                   [9， 10， 11， 12]])

# 基础索引 - 获取单个元素

print(matrix[1， 2])  # 第2行第3列的元素 结果是7

# 切片操作 - 获取子数组

print(matrix[：2， 1：3])  # 前两行 第2-3列

# 结果是：

# [[2 3]

#  [6 7]]

# 布尔索引 - 这个超级实用

mask = matrix > 6

filtered_data = matrix[mask]

print(filtered_data)  # [7 8 9 10 11 12]

# 花式索引 - 用数组作为索引

rows = [0， 2]

cols = [1， 3]

selected = matrix[rows， cols]  # 选择(0，1)和(2，3)位置的元素

print(selected)  # [2 12]

布尔索引真的是神器啊。

处理数据筛选特别方便  比如找出所有大于某个阈值的数据。

04向量化操作是NumPy的精髓。一旦掌握了  你就再也回不去原来的循环写法了。

# 数学运算 - 全部都是元素级别的

a = np.array([1， 2， 3， 4])

b = np.array([5， 6， 7， 8])

# 基础运算

result1 = a + b      # [6 8 10 12]

result2 = a * b      # [5 12 21 32]

result3 = a ** 2     # [1 4 9 16]

# 聚合函数 - 处理统计分析必备

data = np.random.normal(100， 15， 1000)  # 生成1000个正态分布数据

mean_val = np.mean(data)        # 平均值

std_val = np.std(data)          # 标准差

median_val = np.median(data)    # 中位数

percentile_95 = np.percentile(data， 95)  # 95百分位数

# 沿轴操作 - 处理多维数据的关键

matrix_2d = np.random.rand(100， 5)  # 100行5列的随机矩阵

column_means = np.mean(matrix_2d， axis=0)  # 每列的平均值

row_sums = np.sum(matrix_2d， axis=1)       # 每行的和

print(f"每列平均值： {column_means}")

print(f"行和的形状： {row_sums.shape}")

05形状操作和广播机制是NumPy的高级特性。掌握这些  你就能处理更复杂的数据结构了。

# 形状变换

original = np.arange(12)  # [0 1 2 3 4 5 6 7 8 9 10 11]

# reshape - 改变形状但不改变数据

reshaped = original.reshape(3， 4)

print("3x4矩阵：")

print(reshaped)

# 转置

transposed = reshaped.T

print("转置后：")

print(transposed)

# 广播机制 - 这个概念很重要

matrix = np.array([[1， 2， 3]，

                   [4， 5， 6]，

                   [7， 8， 9]])

# 给每行加上不同的值

row_additions = np.array([10， 20， 30])

result = matrix + row_additions.reshape(-1， 1)

print("广播结果：")

print(result)

# 数组拼接

arr1 = np.array([[1， 2]， [3， 4]])

arr2 = np.array([[5， 6]， [7， 8]])

# 垂直拼接

vertical = np.vstack([arr1， arr2])

# 水平拼接  

horizontal = np.hstack([arr1， arr2])

print("垂直拼接：")

print(vertical)

print("水平拼接：")

print(horizontal)

掌握了这些核心操作  你的数据处理效率会有质的飞跃。

我现在处理几GB的数据文件都不怎么担心了  NumPy配合pandas简直无敌。当然还要注意内存使用  大数据集的时候记得分批处理哦。

最后建议大家多在实际项目中练习  光看代码是不够的。遇到性能瓶颈的时候  第一个想到的就应该是NumPy向量化操作。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。