1. Introducing NumPy

在前兩個課程中，我們使用Python中的嵌套列表來表示數據集拢军。 Python列表在表示數據時提供了一些優(yōu)勢：

• 列表可以包含混合類型
• 列表可以縮小并動態(tài)增長

使用Python列表來表示和處理數據也有一些關鍵的缺點：

• 為了支持他們的靈活性庸汗，列表往往消耗大量的內存
• 他們努力與中型和大型數據集合（they struggle to work with medium and larger sized datasets）

盡管有許多不同的方式對編程語言進行分類凳寺，但考慮到性能的一個重要方式是低級和高級語言之間的區(qū)別。Python是一種高級編程語言套啤，允許我們快速編寫宽气，原型和測試我們的邏輯。另一方面纲岭，C編程語言是一種低級編程語言抹竹，性能非常高，但工作流程慢得多止潮。

NumPy是一個將Python的靈活性和易用性與C速度相結合的庫窃判。在這個任務中，我們將首先熟悉NumPy的核心數據結構喇闸，然后建立使用NumPy來處理數據集world_alcohol.csv袄琳，其中包含了每個國家人均消費的數據。

2. Creating arrays

Learn

NumPy的核心數據結構是對象 ndarray燃乍，代表N維數組唆樊。數組(array)是值的集合，類似于列表刻蟹。N維是指從對象中選擇各個值所需的索引數（N-dimensional refers to the number of indices needed to select individual values from the object.）逗旁。

通常將1維陣列稱為向量，而2維陣列通常被稱為矩陣舆瘪。這兩個術語都是從稱為線性代數的數學分支中借用的片效。它們也經常用于數據科學文獻，所以我們將在整個課程中使用這些單詞英古。
為使用NumPy淀衣，我們首先需要將它導入到我們的環(huán)境中。NumPy通常使用別名np導入：

import numpy as np

我們可以使用numpy.array()函數直接從列表構造數組召调。要構建一個向量膨桥，我們需要傳遞一個列表（沒有嵌套）：

vector = np.array([5, 10, 15, 20])

numpy.array()函數也接受一個列表，我們用來創(chuàng)建一個矩陣（有嵌套）：

matrix = np.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]])

Instructions

• 從列表中創(chuàng)建一個向量[10唠叛，20只嚣，30]
  • 將結果分配給變量vector
• 從列表[[5,10,15]，[20艺沼，25册舞，30]，[35澳厢，40环础，45]]列表中創(chuàng)建一個矩陣。
  • 將結果分配給變量matrix

import numpy as np
vector = np.array([10, 20, 30])
matrix = np.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]])
print(matrix)
[[ 5 10 15]
 [20 25 30]
 [35 40 45]]

3. Array shape

Learn

數組有一定數量的元素剩拢。下面的數組有5個元素：

Paste_Image.png

矩陣代替使用行和列线得，這符合我們在前幾個課程中對數據集的想法。下面的矩陣有3行和5列徐伐，通常稱為3×5矩陣：

Paste_Image.png

了解數組包含的元素通常很有用贯钩。我們可以使用ndarray.shape屬性來確定數組中有多少個元素。

vector = numpy.array([1, 2, 3, 4])
print(vector.shape)

上面的代碼將導致元組(4, )办素。該元組表示數組向量具有一個維度角雷，長度為4，這與我們的直覺相匹配性穿，該向量具有4個元素勺三。
對于矩陣，shape屬性包含一個包含2個元素的元組需曾。

matrix = numpy.array([[5, 10, 15], [20, 25, 30]])
print(matrix.shape)

上述代碼將導致元組(2, 3)表示矩陣具有2行和3列吗坚。

Instructions

• 導入numpy并分配給別名np；
• 將向量的長度(shape)分配給vector_shape呆万；
• 將矩陣的長度(shape)分配給matrix_shape商源；
• 使用print()函數顯示vector_shape和matrix_shape。

import numpy as np
vector = np.array([10, 20, 30])
matrix = np.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]])
vector_shape = vector.shape
matrix_shape = matrix.shape
print(vector_shape, matrix_shape)
(3,) (3, 3)

4. Using NumPy

Learn

我們可以使用numpy.genfromtxt()函數讀取數據集谋减。我們的數據集牡彻，world_alcohol.csv是一個逗號分隔值數據集。我們可以使用delimiter參數指定分隔符：

import numpy
nfl = numpy.genfromtxt("data.csv", delimiter=",")

上述代碼將在名為data.csv文件的文件中讀入NumPy數組出爹。NumPy數組使用numpy.ndarray類來表示庄吼。我們將在我們的材料中引用ndarray對象作為NumPy數組。
以下是我們將使用的數據集的前幾行：

Paste_Image.png

每一行規(guī)定了一個國家每一個公民在某一年內喝了多少升酒精以政。第一排顯示霸褒，1986年越南一般人喝了多少升葡萄酒。
以下是每列表示的內容：

• Year - 該行中的數據的年份盈蛮。
• WHO Region - 該國所在的地區(qū)废菱。
• Country - 數據所在的國家。
• Beverage Types - 數據所用的飲料類型抖誉。
• Display Value - 該國公民在一年中飲用的飲料類型的平均數殊轴。

Instructions

• 使用numpy.genfromtxt()函數將“world_alcohol.csv”讀入名為world_alcohol的NumPy數組；
• 使用type()和print()函數顯示world_alcohol的類型袒炉。

world_alcohol = np.genfromtxt('world_alcohol.csv', delimiter=',')
print(type(world_alcohol))
print(world_alcohol)
<class 'numpy.ndarray'>
[[             nan              nan              nan              nan
               nan]
 [  1.98600000e+03              nan              nan              nan
    0.00000000e+00]
 [  1.98600000e+03              nan              nan              nan
    5.00000000e-01]
 ..., 
 [  1.98600000e+03              nan              nan              nan
    2.54000000e+00]
 [  1.98700000e+03              nan              nan              nan
    0.00000000e+00]
 [  1.98600000e+03              nan              nan              nan
    5.15000000e+00]]

5. Data types

Learn

NumPy數組中的每個值必須具有相同的數據類型旁理。NumPy數據類型與Python數據類型相似，但差別很小我磁。您可以在這里找到完整的NumPy數據類型列表孽文。這里有一些常見的：

• bool: Boolean.
  • Can be True or False.
• int: Integer values.
  • Can be int16, int32, or int64. The suffix 16, 32, or 64 indicates the number of bits.
• float: Floating point values.
  • Can be float16, float32, or float64. The suffix 16, 32, or 64 indicates how many numbers after the decimal point the number can have.
• string: String values.
  • Can be string or unicode, which are two different ways a computer can store text.

NumPy將在讀取數據或將列表轉換為數組時自動找出適當的數據類型驻襟。你可以使用dtype屬性檢查NumPy數組的數據類型。

numbers = np.array([1, 2, 3, 4])
numbers.dtype

因為數字只包含整數芋哭，它的數據類型是int64沉衣。

Instructions

• 將world_alcohol的數據類型分配給變量world_alcohol_dtype；
• 使用print()函數顯示world_alcohol_dtype减牺。

world_alcohol_dtype = world_alcohol.dtype
print(world_alcohol_dtype)
float64

6. Inspecting the data

NumPy代表數據集的前幾行如下：

array([[             nan,              nan,              nan,              nan,              nan],
       [  1.98600000e+03,              nan,              nan,              nan,   0.00000000e+00],
       [  1.98600000e+03,              nan,              nan,              nan,   5.00000000e-01]])

我們還沒有介紹幾個概念豌习，我們將深入研究：

• world_alcohol中的許多項目都是nan，包括整個第一行拔疚。nan代表“不是數字”肥隆，是用于表示缺失值的數據類型；
• 一些數字寫成1.98600000e+03稚失。

world_alcohol的數據類型是float栋艳。因為NumPy數組中的所有值都必須具有相同的數據類型，所以NumPy嘗試在讀入時將所有列轉換為浮點數墩虹。numpy.genfromtxt()函數將嘗試猜測其創(chuàng)建的數組的正確數據類型嘱巾。

在這種情況下，WHO Region,Country和Beverage Types實際上是字符串诫钓，不能轉換為浮點數旬昭。當NumPy不能將值轉換為像float或integer這樣的數值數據類型時，它使用一個代表“不是數字”的特殊的nan值菌湃。當值不存在時问拘，NumPy會分配一個na值，代表“不可用”惧所。nan和na值是丟失數據的類型骤坐。我們將在以后的任務中更多地了解如何處理丟失的數據。

world_alcohol.csv的整個第一行是一個標題行下愈，其中包含每列的名稱纽绍。這實際上不是數據的一部分，完全由字符串势似。由于該字符串不能轉換為適當浮動拌夏，NumPy的使用nan值來代表他們。

如果你還沒有看到科學計數法之前履因，你可能不認識數字一樣1.98600000e+03障簿。科學記數法是凝聚大或非常精確的數字是如何非常顯示的方式栅迄。我們可以代表100在科學記數法1e+02站故。

在這種情況下，1.98600000e+03實際上比1986長毅舆，但是NumPy默認以科學記譜法顯示數值，以計算更大或更精確的數字。

7. Reading in the data correctly

Learn

當使用numpy.genfromtxt()函數讀取數據時蔬浙，我們可以使用參數來自定義我們想要讀取數據的方式。在我們處理的時候顶滩，我們也可以指定我們要跳過標題行world_alcohol.csv。

• 要指定整個NumPy數組的數據類型寸爆，我們使用關鍵字參數dtype并將其設置為“U75”。這指定我們要讀取每個值作為75字節(jié)的unicode數據類型盐欺。我們稍后會更多地了解unicode和字節(jié)赁豆，但現(xiàn)在只要知道這將正確地讀入數據就足夠了。
• 要在讀取數據時跳過標題冗美，我們使用skip_header參數魔种。skip_header參數接受一個整數值，指定我們想要NumPy忽略的文件頂部的行數粉洼。

Instructions

• 當使用numpy.genfromtxt()讀入world_alcohol.csv時：
  • 使用“U75”數據類型
  • 跳過數據集中的第一行
  • 使用逗號分隔符节预。
• 將結果分配給world_alcohol。
  -使用print()函數顯示world_alcohol属韧。

world_alcohol = np.genfromtxt('world_alcohol.csv', delimiter=',', dtype='U75', skip_header=True )
print(type(world_alcohol))
print(world_alcohol)
<class 'numpy.ndarray'>
[['1986' 'Western Pacific' 'Viet Nam' 'Wine' '0']
 ['1986' 'Americas' 'Uruguay' 'Other' '0.5']
 ['1985' 'Africa' "Cte d'Ivoire" 'Wine' '1.62']
 ..., 
 ['1986' 'Europe' 'Switzerland' 'Spirits' '2.54']
 ['1987' 'Western Pacific' 'Papua New Guinea' 'Other' '0']
 ['1986' 'Africa' 'Swaziland' 'Other' '5.15']]

8. Indexing arrays

Learn

現(xiàn)在數據是正確的格式安拟，我們來學習如何探索它。我們可以像我們如何索引普通Python列表一樣索引NumPy數組宵喂。以下是我們如何索引NumPy向量：

vector = np.array([5, 10, 15, 20])
print(vector[0])

上面的代碼將打印向量的第一個元素5糠赦。
索引矩陣類似于列表的索引列表。以下是索引列表列表的更新：

first_item = list_of_lists[0]
first_item[2]

我們也可以把這樣的符號縮泄亍：

list_of_lists[0][2]

我們可以以類似的方式索引矩陣拙泽，但是我們將兩個索引都放在方括號內。第一個索引指定數據來自哪個行裸燎，第二個索引指定數據來自哪個列：

>> matrix = np.array([
                        [5, 10, 15], 
                        [20, 25, 30]
                     ])
>> matrix[1,2]
30

在上面的代碼中顾瞻，當我們索引矩陣時，我們將兩個索引傳遞到方括號中德绿。

Instructions

• 將烏拉圭人飲用的酒類在1986年的人均飲用量分配給uruguay_other_1986荷荤。這是第二行和第五列。
• 將第三行中的國家/地區(qū)分配給third_country脆炎。Country是第三列梅猿。

uruguay_other_1986 = world_alcohol[1,4]
third_country = world_alcohol[2,2]
print(uruguay_other_1986)
print(third_country)
0.5
Cte d'Ivoire

9. Slicing arrays

Learn

我們可以使用值切片來選擇數組的子集，就像我們可以使用列表一樣：

>> vector = np.array([5, 10, 15, 20])
>> vector[0:3]
array([ 5, 10, 15])

像列表一樣秒裕，向量切片是從第一個索引到但不包括第二個索引袱蚓。矩陣切片有點復雜，有四種形式：

• matrix[:,1] （第2列的所有元素）
• matrix[0:3,1] （第1-3行第2列的元素）
• matrix[0:4,0:3] （第1-4行第1-3列的元素）
• matrix[2, 3] （第1行第2列的元素）

我們將在此屏幕中進入第一個窗體几蜻。當我們要選擇一個整體喇潘，另一個元素体斩，我們可以這樣做：
（We'll dive into the first form in this screen. When we want to select one whole dimension, and an element from the other, we can do this:）

>> matrix = np.array([
                    [5, 10, 15], 
                    [20, 25, 30],
                    [35, 40, 45]
                 ])
>> matrix[:,1]
array([10, 25, 40])

這將選擇所有行，但只能選擇索引為1的列颖低。冒號本身：指定應選擇單個維度的整體絮吵。將冒號設為從第一個元素中選擇，直到并包括最后一個元素忱屑。（This will select all of the rows, but only the column with index 1. The colon by itself : specifies that the entirety of a single dimension should be selected. Think of the colon as selecting from the first element in a dimension up to and including the last element.）

Instructions

• 將整個第三列從world_alcohol分配給變量變量countries蹬敲。
• 將world_alcohol的第五列分配給變量alcohol_consumption。

countries = world_alcohol[:, 2]
alcohol_consumption = world_alcohol[:, 4]
print(countries)
print(alcohol_consumption)
['Viet Nam' 'Uruguay' "Cte d'Ivoire" ..., 'Switzerland' 'Papua New Guinea'
 'Swaziland']
['0' '0.5' '1.62' ..., '2.54' '0' '5.15']

10. Slicing one dimension

Learn

When we want to select one whole dimension, and a slice of the other, we need to use special notation:

>> matrix = np.array([
                    [5, 10, 15], 
                    [20, 25, 30],
                    [35, 40, 45]
                 ])
>> matrix[:,0:2]
array([[ 5, 10],
       [20, 25],
       [35, 40]])

We can select rows by specifying a colon in the columns area. The code below selects rows 1 and 2, and all of the columns.

>> matrix[1:3,:]
array([[20, 25, 30],
       [35, 40, 45]])

We can also select a single value along an entire dimension. The code belows selects rows 1 and 2 and column 1:

>> matrix[1:3,1]
array([25, 40])

Instructions

• Assign all the rows and the first 2 columns of world_alcohol to first_two_columns
• Assign the first 10 rows and the first column of world_alcohol to first_ten_years.
• Assign the first 10 rows and all of the columns of world_alcohol to first_ten_rows.

first_two_columns = world_alcohol[:, 0:2]
first_ten_years   = world_alcohol[0:10, 0]
first_ten_rows    = world_alcohol[0:10, :] 
print(first_two_columns)
print(first_ten_years)
print(first_ten_rows)
[['1986' 'Western Pacific']
 ['1986' 'Americas']
 ['1985' 'Africa']
 ..., 
 ['1986' 'Europe']
 ['1987' 'Western Pacific']
 ['1986' 'Africa']]
['1986' '1986' '1985' '1986' '1987' '1987' '1987' '1985' '1986' '1984']
[['1986' 'Western Pacific' 'Viet Nam' 'Wine' '0']
 ['1986' 'Americas' 'Uruguay' 'Other' '0.5']
 ['1985' 'Africa' "Cte d'Ivoire" 'Wine' '1.62']
 ['1986' 'Americas' 'Colombia' 'Beer' '4.27']
 ['1987' 'Americas' 'Saint Kitts and Nevis' 'Beer' '1.98']
 ['1987' 'Americas' 'Guatemala' 'Other' '0']
 ['1987' 'Africa' 'Mauritius' 'Wine' '0.13']
 ['1985' 'Africa' 'Angola' 'Spirits' '0.39']
 ['1986' 'Americas' 'Antigua and Barbuda' 'Spirits' '1.55']
 ['1984' 'Africa' 'Nigeria' 'Other' '6.1']]

11. Slicing arrays

Learn

We can also slice along both dimensions simultaneously. The following code selects rows with index 1 and 2, and columns with index 0 and 1:

>> matrix = np.array([
                    [5, 10, 15], 
                    [20, 25, 30],
                    [35, 40, 45]
                 ])
>> matrix[1:3,0:2]
array([[20, 25],
       [35, 40]])

Instructions

• Assign the first 20 rows of the columns at index 1 and 2 of world_alcohol to first_twenty_regions.

first_twenty_regions = world_alcohol[0:20, 1:3]
print(first_twenty_regions)
[['Western Pacific' 'Viet Nam']
 ['Americas' 'Uruguay']
 ['Africa' "Cte d'Ivoire"]
 ['Americas' 'Colombia']
 ['Americas' 'Saint Kitts and Nevis']
 ['Americas' 'Guatemala']
 ['Africa' 'Mauritius']
 ['Africa' 'Angola']
 ['Americas' 'Antigua and Barbuda']
 ['Africa' 'Nigeria']
 ['Africa' 'Botswana']
 ['Americas' 'Guatemala']
 ['Western Pacific' "Lao People's Democratic Republic"]
 ['Eastern Mediterranean' 'Afghanistan']
 ['Western Pacific' 'Viet Nam']
 ['Africa' 'Guinea-Bissau']
 ['Americas' 'Costa Rica']
 ['Africa' 'Seychelles']
 ['Europe' 'Norway']
 ['Africa' 'Kenya']]

12. Next steps

我們已經學到了NumPy庫的一些基礎知識莺戒，以及如何使用NumPy數組伴嗡。在接下來的任務中，我們將在此基礎上从铲，確定哪個國家消費最多的酒精瘪校。