【数据分析与展示】

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