Python 數據分析（二）：向量計算

上一節數據結構的操作演示可以點擊這個鏈接：曾革：Python 數據分析（一）：常見數據結構的使用

本章節我們開始學習向量化計算。向量化計算是一種特殊的並行計算的方式，它可以在同一時間執行多次操作，通常是對不同的數據執行同樣的一個或一批指令，或者說把指令應用於一個數組/向量。

pandas 是以 Series 和 DataFrame 為基本運算對象，也就是說當數據為 Series 或者是 DataFrame 時，向量化計算會對其中的每一個元素分別進行處理，然後以 Series 或 DataFrame 的形式輸出。

等差數列的生成

我們用 numpy.arange(start, end, step) 來生成一個等差數列，其中參數 start 表示開始值，end 表示結束值，step 表示步長。

NumPy( Numerical Python ) 是高性能科學計算和分析的基礎包，它是很多高級工具的構建基礎，比如 pandas 就是基於 NumPy 構建。

如下所示，我們生存了一個步長為 2 的等差數列。

向量計算的四則運算

四則運算的規則是這樣的：相同位置的數據進行計算，結果保留在相同的位置，語法：S1 op S2 ，下面分別演示了加減乘除的運算：

函數計算

函數計算的規則：相同位置的數據進行函數的計算，函數返回結果保留在相同位置，語法：fun(x)。如下計算 r 的五次方，會把 r 中的每一個元素計算 5 次方。

比較大小：

矩陣運算：

平方後求和：

以上只是演示了 Series 的向量化運算，接下來我們再看看 DataFrame 的向量化運算，先隨機生成一個 DataFrame，

找出每一列的最小值，apply方法的第二個參數 axis 的默認值是 0 ，也即是按列進行遍歷：

axis = 1 時則按行進行遍歷。

判斷每一列是否都大於 0，默認參數 axis 為 0 ，表示對列進行遍歷 ：

帶上 axis 參數的結果和上面是一樣的：

判斷每一列是否都大於 0 ，此時得加上 axis = 1：

編寫向量化計算的代碼應該儘可能避免顯示的 for 循環。

以上就是向量計算的內容，下一節會涉及數據的導入導出。