NumPy库入门

数据维度与NumPy库简介

一维数据

• 定义

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；

3.1413, 3.1398, 3.1404, 3.1401, 3.1349, 3.1376

对应列表、数据和集合等概念。

• 列表和数组

  1. 都是表达一组数据的有序结构的类型；
  2. 列表的数据类型可以不同(例如)，数组的数据类型必须相同；

  3.1413, 'pi', 3.1404, [3.1401, 3.1349], '3.1376'

二维数据

二维数据由多个一维数据组成，是一维数据的组合形式。例如：表格；

多维数据

多维数据由一维或二维数据在新维度上扩展而成，比如：三年的中国大学排名表，它是二维数据表格在时间维度上的扩展。

数据维度的Python表示

• 一维数据：列表（有序）和集合（无序）类型；
• 二维数据/多维数据：多位列表类型；
• 高维数据：字典类型；

NumPy库

简介

NumPy是一个开源的Python科学计算基础库，它具有如下特点：

• 一个强大的N维数组处理对象ndarray；
• 广播功能函数；
• 整合C/C++/Fortran代码的工具；

引入NumPy库的同时需要将他命名为约定俗成的别名：np

import numpy as np

N维数组对象ndarray

• 为什么要使用ndarray

例：计算A^2 + B^3 ，其中A和B是一维数组。使用普通Python语言编程如下：

def pySum():
    a = [0, 1, 2, 3, 4]
    b = [9, 8, 7, 6, 5]
    c = []
for i in range(len(a))
    c.append(a[i] ** 2 + b[i] ** 3)
return c
print(pySum())

可以看到，在进行计算时，必须通过循环的逻辑，具体到数组的具体元素之间的运算，不直观也不方便。
使用NumPy编程如下：

def npSum():
    a = np.array([0, 1, 2, 3, 4])
    b = np.array([9, 8, 7, 6 ,5])
    c = a ** 2 + b ** 3
return c
print(npSum())

可以看到，借助NumPy的帮助，程序员可以直接把数组看做具体元素，直接进行运算，大大简化了步骤。

• ndarray简介

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数组一般要求数组中所有元素类型相同，数组下标从0开始。

• ndarray实例

使用如下命令生成一个ndarray数组；

np.array()

ndarray输出成[]形式，元素由空格分离。他有两个基本参量：轴（保存数据的维度