Python数据分析--第一周：Numpy库的入门

一 、学习思路一览

 

二、对Numpy的认识

        Numpy是Python众多库中的一个功能强大，主要用于对多维数组执行计算的一个库，拥有大量的库函数，简化了使用者的操作，使得代码简洁有序。

三、数据的维度

        维度：一组数据的组织形式。一个数据对应一种含义；多个数据则对应一种或多种含义；而一种含义对应一种维度，因此对于一组数据可能是一维或多维。而数据的维度则是在数据之间形成特定关系，表达多种数据含义的基础概念。

        常见的数据的维度有一维，二维，在我们的认知以上还有三维，多维、高维等。

（一）一维数据：由对等关系的有序或无序数据组成，采用线性方程组织。例如下列一组数据：

1.231、1.232、1.230、1.234，在一个方向上，均代表1.23的近似值这一含义，则该组数便是一维数据。

         一维数据的表示形式也多种多样。既可以是python自身提供的列表，集合，也可以是数组。在此提一下用数组表示和用列表表示的异同。

	同	异
列表	是一组数据的有序结构	元素的数据类型不一定相同
数组	是一组数据的有序结构	元素的数据类型一定相同

例如以下两组数据：（1）3.15、3.17、6.21、7.1、5.58

                                 （2）3.14、[3.14,3.78]、‘pi’

第（1）可列表可数组，但是第（2）必须用列表

（二）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组，表头是二维数据的一部分。

（三）多维数据：由一维或二维数据在新维度上扩展形成。

四、N维数组对象：ndarray

ndarray是一个多位数组对象，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，数组下标从0开始。

五、ndarray数组的属性、创建和类型转换

        （一）属性（由以下具体代码以及运行结果来说明）：

 

 下面对上述代码进行解读，来进一步来理解Numpy库的调用和ndarray数组的属性：

        首先，需要下载安装numpy库，然后import调用numpy库并另命名为np。以np.array创建数组a，如此，我们便得到了一个自命名数组。在该数组中，我们来探究ndarray数组的属性。

由此便可以得出任一数组的基本属性。

（二）创建

 （1）从Python的列表、元组等类型创建ndarray数组，如下：

 

         （2）使用Numpy中函数创建ndarray数组，常见函数如下：

        （3）使用Numpy中其他函数创建：

 

（三）类型转换

对于创建后的数组，可对其进行唯独变换和元素类型变换。

（1）维度变换：

 

（2）类型变换：

new_a=a.astype(new_type) 

改变前：

 

 改变后（改变为浮点数类型）：

 

六、数组的索引和切片

        顾名思义，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

例如一维数组都索引和切片：

 

 1：4：2分别对应起始，终止，步长。

 

 七、数组的函数运算

（一）数组与标量之间开展运算：

该运算等价于数组中的每个元素均与该标量进行运算

 

（二）对数组中的数据执行元素级运算的函数 

（三）Numpy一元函数

 

（四）Numpy二元函数