conda
一个工具,用于包管理和环境管理
包管理与pip类似
环境管理能够允许用户使用不同版本python,并能灵活切换
数据的维度
一组数据的组织形式
列表和数组
一组数据的有序结构
区别:列表:数据类型可以不同
数组:数据类型相同
二维数据:多个一位数据构成,是一位数据的组合形式
多维数据:一维和二维数据在新维度上扩展形成
高维数据:利用最基本的二元关系展示数据间的复杂结构
numpy——scipy,pandas等数据处理或科学·计算库的基础
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++代码的工具
4,线性代数,傅里叶变换,随机数生成等功能
引入:
import numpy as np
ndarray:N维数组对象
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
一般的,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,有助于节省运算和储存空间
ndarray两部分构成:
1,实际的数据
2,描述这些数据的元数据(数据维度,数据类型等)
轴:保存数据的维度,秩:轴的数量
ndarray属性:.ndim秩,维度数量·
.shape对象尺寸
.size元素个数
.dtype元素类型
.itemsize元素大小
创建ndarray
(1)x = np.array(list/tuple)
当np.array()不指定dtype时,numpy将根据数据情况关联一个dtype类型
1,从列表类型创建
2,从元组类型创建
3,从列表和元组混合类型创建
(2)函数创建
arange,ones,zeros等
eg:np.arange(10)
np.ones((3,6))
(3)其他函数创建
ndarray数组变换
维度变换
.reshape(shape)不改变数组元素,返回一个shape形状的数组原数组不变
.resize(shape)修改原数组
.swapaxes(ax1,ax2)将数组n个维度中的两维进行调换
.flatten()对数组姜维,原数组不变
ndarray数组的类型变换
new_a = a.astype(new_type)
数组的索引和切片
一维:与python的列表类似
多维数组的索引
多维数组的切片
数组与标量之间的运算
数组与标量之间的运算作用于数组的每一个元素
numpy一元函数
numpy二元函数