python 数据组织的维度_NumPy——ndarray数据的维度

数据的维度

维度：一组数据的组织形式

一维数据采用线性方式组织

列表和数组

列表：数据类型可以不同

数组：数据类型相同

二维数据由多个一维数据构成，是一维数据的组合形式

ndarray 数组对象

ndarray是一个多维数组对象，由两部分组成：

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)

使用np.array()生成一个ndarray数组

直接打印np.array输出以[ ]包裹，元素以空格分割

其中：

轴(axis)是保存数据的维度

秩(rank)是轴的数量

属性：拥有六个参数 详见上一篇

其中详细描述一下np.shape：

shape表示数组对象的形状，当打印的时候，有多少层嵌套的中括号对应就有几个维度，如果同一维度元素数量不一致，则会空出对应维度的元素数

importnumpy as npdefndarray():

a0= np.array(1)

a= np.array([1])

b= np.array([1,2,3])

c= np.array([[1,2,3],[4,5,6]])

d= np.array([[1,2,3],[1,2]])

e= np.array([[[1,2,3]]])print(a0.shape,a.shape,b.shape,c.shape,d.shape,e.shape)return0

ndarray()

结果：

() (1,) (3,) (2, 3) (2,) (1, 1, 3)

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。

在数组元素维度相同的时候可以将数组对象作为单一数据进行运算

importnumpy as npdefpySum():

a=[0,1,2,3,4]

b=[9,8,7,6,5]

c=[]for i inrange(len(a)):

c.append(a[i]**2 + b[i]**3)returncdefnpSum():

a=np.array([0,1,2,3,4])

b=np.array([9,8,7,6,5])

c= a**2 + b**3

returncprint(pySum())print(npSum())

运行结果：

[729, 513, 347, 225, 141]

[729 513 347 225 141]