Python数据分析与展示1

数据的维度

python中是没有数组的，用列表来进行有序数据的存储，用集合来进行无序数据的存储。对于一维数据可以采用列表和集合，至于二维和三维数据则用列表表示。

numpy

什么是numpy，numpy有什么特征？

为什么要用numpy中的数组代码呢？最主要可以简化代码。有很多时候列表的操作是相对麻烦的，将其转化为数组就更容易操作。（python中如果直接有数组类型是不是就不需要numpy了？c语言中好像有数组，但是很大的缺点是操作的一些函数较少，而numpy有很多对数组操作的办法，可能这就是它的优点）
列表直接进行操作：

def pySum():
    a = [0, 1, 2, 3, 4, 5]
    b = [0, 1, 2, 3, 4, 5]
    c = []
    for i in range(len(a)):#循环a的长度次
        c.append(a[i]**2 + b[i]**3)#往列表c中添加数据
    return c
print(pySum())

numpy转化为数组后的操作：

def pySum():
    a = np.array([0, 1, 2, 3, 4, 5])#将列表变为数组
    b = np.array([0, 1, 2, 3, 4, 5])
    c = a**2 + b**3#也不进行循环操作了，直接进行相加赋值运算
    return c
pySum()

ndarry对象的属性：

b = np.array([0, 1, 2, 3, 4, 5])
b.ndim, b.shape, b.size, b.dtype, b.itemsize #b.ndim（维数） b.shape（行列）, b.size（元素个数）, b.dtype（类型）, b.itemsize（对象中每个元素的大小）

ndarry数组的创建（默认的基本都是浮点数）

将列表集合传入

调用相关函数


维度变化的常用方法：

a1 = np.full((3, 4), 10)
a2 = np.full((3, 4), 10)
a1, a2

b1 = a1.reshape(2, 6)  # 不修改原始数据，借助a1给a2赋值
b2 = a2.resize(2, 6)  # 修改原始数据
b1, b2

数据类型转化：

数组的操作

索引和切片，分为一维和多维。

数组的运算

数组与标量之间的运算：

numpy一元函数：

作业：创建正态分布随机数据，保留(0, 1)的数，然后求平均值

a = np.random.randn(2, 3, 4)
b = a[ (a>0)&(a<1) ]
b.mean()