Python数据分析与展示教程(北理工 嵩天教授)——表示数据基本方法

NumPy库入门

数据的维度

一个数据表达一个含义，一组数据表达一个或多个含义
维度：一组数据的组织形式

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。
如：1， 2， 3， 4， 5
对应列表、数组和集合等概念。Python中没有数组类型
**列表和数组：**一组数据的有序结构
列表：数组类型可以不同
3.14, 1, ‘pq’, [1, 2.0], ‘3.14’
数组：数据类型相同
3.14, 3.15, 3.16, 3.17

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，其中表头可以是二维数据的一部分或之外的部分

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。
如多个时间的表格叠加在一起。

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。
如键值对。

数据维度的Python表示

一维数据：列表和集合类型
二维数据：列表类型
多维数据：列表类型
高维数据：字典类型或数据表示格式
JSON/XML/YAML

Numpy的数组对象：ndarray

Numpy

Numpy是一个开源的Python科学计算基础库

• 一个强大的N维数组对象ndarray
• 广播功能函数
• 整合C/C++/Fortran代码的工具
• 线性代数、傅里叶变换、随机数生成等功能
  Numpy是Scipy、Pandas等数据处理或科学计算库的基础。
  Numpy的引用：import numpy as np

N维数组对象：ndarray

• 数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据。
• 设置专门的数组对象，经过优化，可以提升这类应用的运算速度。
  **观察：**科学计算中，一个维度所有数据的类型往往相同
• 数组对象采用相同的数据类型，有助于节省运算和存储空间。
  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。
  ndarray实例
  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（每一个维度的数据）
  秩（rank）：轴的数量（多少个维度）
  
  
  
  ndarray的元素类型
  
  
  
  对比：Python语法仅支持整数、浮点数和复数3种类型
• 科学计算涉及数据较多，对存储和性能都有较高要求。
• 对元素类型精细定义，有助于Numpy合理使用存储空间并优化性能。
• 对元素类型精细定义，有助于程序员对程序规模有合理评估。
  
  ndarray数组可以由非同质对象构成。非同质ndarray元素为对象类型。非同质ndarray对象无法有效发挥Nump