(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
我们都知道,如果使用Python内置库中,我们都知道可以支持key-value字典的数据类型,可以轻松实现我们上述的场景。
哪如果numpy 如果不支持这一场景,我们就放弃使用它,哪它怎么会是科学Python 和PyData生态系统的核心?
一通网上查阅,哈哈,终于被我们发现了,numpy 数组还有一种叫结构化数组的概念。
本期,我们将学习 numpy 库的结构化数组相关知识,Let’s go~
1. numpy 结构化数组概述
numpy 结构化数组是通过dtype 定义的字段组成的一组ndarray数组。
我们使用Python中dict可以轻松使用key-value形式、list或者tuple就可以定义如下数据。
Python dict 字典实现:
stu1 = {“name”:“Tom”,“age”:10,“weight”:50}
stu2 = {“name”:“Anne”,“age”:12,“weight”:42}
stu_list = [stu1,stu2]
复制代码
Python list+tuple实现
stu_list = [(“Tom”,10,50),(“Anne”,12,42)]
复制代码
对于numpy 结构化数组,通过 dtype 定义每个字段数据类型,实现如下
stu_list = np.array([(“Tom”,10,50),(“Anne”,12,42)],dtype=[(“name”,“U10”),(“age”,“i4”),(“weight”,“i8”)])
stu_list
array([(‘Tom’, 10, 50), (‘Anne’, 12, 42)],
dtype=[(‘name’, ‘<U10’), (‘age’, ‘<i4’), (‘weight’, ‘<i8’)])
复制代码
numpy 数组中,我们可以通过dtype 查询数组中元素的数据类型。
在上述案例中,我们定义name字段数据类型为Unicode,age字段为int32,weight字段为int64
numpy 支持的数据类型与C语言的数据类型对应,常见的有如下几个及对应的内置码
| 数据类型 | 内置码 | 意义 |
| --- | --- | --- |
| int8 | i1 | 字节(-128 to 127) |
| int16 | i2 | 整数,16位字节 |
| int32 | i4 | 整数,32位字节 |
| int64 | i8 | 整数,64位字节 |
| float16 | f2 | 浮点型,16位字节 |
| float32 | f4 | 浮点型,32位字节 |
| float64 | f8 | 浮点型,64位字节 |
| bool_ | b | 布尔类型 |
| Unicode | U | Unicode编码 |
| String | S | 字符串 |
-
结构化数组特点
- 结构化数据类型创建来源于 C 语言数据结构,并且可以共享内存空间
- numpy 结构化数组是解决C代码接口和结构化缓冲区的低级操作
- 结构化数组支持数据嵌套、联合,并允许控制其内存布局
- 结合化数组因为基于C结构的内存布局,不适合操作表格数据导致缓存行为不佳
2. 结构化数据类型类型
通过上述,我们知道numpy 结构化数组与普数组主要区别是,在创建时需要通过dtype定义数组中数据字段类型。
因此,结构化数据类型可以被看做一定长度的字节序列(itemsize),通常被解释为字段的集合。
通常字段中主要由三部分组成:字段名称,数据类型和字节偏移量(可选)
3. 结构化数据类型创建
在 numpy 库中我们可以使用 numpy.dtype
j来进行创建结构化数据类型。
在结构化数据类型创建可以使用元组形式进行定义。
+ 每一个元组表示一个字段的,形式如(name,datatype,shape)
+ 元组中的shape 字段是可选字段
+ datatype可以定义为任何类型
>>> np.dtype([("address","S5"),("family","U10",(2,2))])
dtype([('address', 'S5'), ('family', '<U10', (2, 2))])
>>>
复制代码
### 最后
不知道你们用的什么环境,我一般都是用的Python3.6环境和pycharm解释器,没有软件,或者没有资料,没人解答问题,都可以免费领取(包括今天的代码),过几天我还会做个视频教程出来,有需要也可以领取~
给大家准备的学习资料包括但不限于:
Python 环境、pycharm编辑器/永久激活/翻译插件
python 零基础视频教程
Python 界面开发实战教程
Python 爬虫实战教程
Python 数据分析实战教程
python 游戏开发实战教程
Python 电子书100本
Python 学习路线规划
![](https://img-blog.csdnimg.cn/d29631674929476f9c3b30f7ff58dff0.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70)
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**[需要这份系统化学习资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4304bb5a486d4c3ab8389e65ecb71ac0)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**