Python数据分析与展示-1

维度是一组数据的组织形式。数据维度就是在数据之间形成特定关系表达多种含义的一个概念。
一维数据:
一维数据由对等关系的有序或无序数据构成，采用线性方式组织。对应列表、数组和集合等概念。
列表和数组：一组数据的有序结构。
区别：
列表：数据类型可以不同
数组：数据类型相同
二维数据：
二维数据由多个一维数据构成，是一维数据的组合形式。
表格是典型的二维数据。其中，表头是二维数据的一部分
多维数据：
多维数据由一维或二维数据在新维度上扩展形成。例如增加时间维度的表格
高维数据：
高维数据仅利用最基本的二元关系展示数据间的复杂结构。利用键值对将数据组织起来的形成的数据关系。
N维数组对象：ndarray
ndarray是一个多维数组对象，由两部分构成：实际的数据、描述这些数据的元数据（数据维度、数据类型等）。ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始。

使用np.array()生成一个ndarray数组（ndarray在程序中的别名是：array），np.array()输出成 [] 形式，元素由空格分割。

轴（axis）：保存数据的维度
秩（rank）：轴的数量
ndarray数组可以由非同质对象构成。非同质ndarray元素为对象类型，无法有效发挥Numpy优势，尽量避免使用。

数组的索引和切片
索引：获取数组中特定位置元素的过程
切片：获取数组元素子集的过程

np.all（）是一个函数，如果在第一个参数中传递的ndarray的所有元素均为True，则返回True，否则返回Flase。

如果传递参数轴，则每个轴（每个尺寸）的所有元素均为True时，将返回True。对于二维数组，axis = 0将是列的结果，而axis = 1将是行的结果。
将每个结果提供给行或列索引参考[行，列]时，将提取所需的行/列。在[line，：]的情况下，可以省略尾随的::。

np.any（）是一个函数，如果在作为第一个参数传递的ndarray中至少有一个True元素，则返回True，否则返回Flase。

如果传递参数轴，则每个轴（每个尺寸）至少有一个True元素时，将返回True。对于二维数组，axis = 0将是列的结果，而axis = 1将是行的结果。

np.delete（）将目标ndarray，要删除的索引（行号，列号等）以及目标轴（维）轴设置为参数。

在二维数组的情况下，axis = 0删除行，而axis = 1删除列，这与上面的np.all（）和np.any（）不同。