Python数据分析与展示（一）

维度

定义：一组数据的组织形式。同时可以将数据在多个维度上展开，来代表多个含义。

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

二维数据

定义：是由多个一维数据组成，是一维数据的组合形式
表格是典型的二维数据

多维数据

定义：由一维或二维数据在新维度上的拓展形成

高维数据

定义：利于最基本的二元关系展示数据间的复杂结构。由键值对组织起来的数据。

NumPy库

功能

1、一个强大的N维数组对象ndarray
2、广播功能函数
3、整合C/C++/Fortran代码的工具
4、线性代数、傅里叶变换、随机数生成等功能

引用

import numpy as np（np表示引用的别名，可以定义为其他的，当然不建议）

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，使一维向量更像一个单个的数据。同时可以提高运算速度。

ndarray是一个多维数组对象，有两部分构成：1、实际数据。2、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



支持的数据类型

ndarray的创建和变换

创建方法

1、从Python中的列表、元组等类型创建ndarray数组

x = np.array(list/tuple)
x = np.array(list/tuple,dtype=np.float32)

例子

2、使用NumPy中函数创建ndarray数组，如：arange、ones等

例子





ndarray数组维度变换的常用方法


reshape不改变原数组，而是重新生成一个数组返回，resize则是直接改变原数组

即使用astype定义一个与原数组相同数据类型的数组，也是生成一个新的数组，对原数组进行一个拷贝

3、从字节流中创建
4、从文件中读取特定的格式，创建ndarray数组

ndarray数组操作

索引和切片

一维数组的索引和切片

索引

切片

多维数组的索引和切片

索引

其中，将a看成三层，首先由a[1,2,3]来解释。第一层中，索引为1，因为索引是从0开始的，所以表示的是12-23，第二个是2，表示的是第三行：20-23，最后一个是3，表示的是第四个，所以输出的就是23

切片

在第三个例子中，第三个参数通过两个“：”来显示，意味着不在意一个横行的起始与结束，但是要以步长为2来截取。

ndarray数组的运算

数组与标量之间的运算，作用于数组中的每一个元素

NumPy一元函数

注意，在使用完一元函数后，判断原数组是否被改变，还是生成了一个新的数组，几乎所有的都是生成了新的数组，想要改变原来的数组，需要将其赋值

NumPy二元函数

小结

数据维度

ndarray类型属性、创建和变换

数组的索引和切片

数组的运算：一元、二元函数

参考

https://www.bilibili.com/video/BV1p5411x71g?p=10&spm_id_from=pageDriver