python查看数据集的维度、大小_Python数据分析 - numpy

前言

NUMPY(以下简称NP)是Python数据分析必不可少的第三方库，np的出现一定程度上解决了Python运算性能不佳的问题，同时提供了更加精确的数据类型。如今，np被Python其它科学计算包作为基础包，已成为Python 数据分析的基础，可以说，NP是SciPy、Pandas等数据处理或科学计算库最基本的函数功能库。因此，理解np的数据类型对python数据分析十分有帮助。

下面，本文将介绍Np的常用操作和基本数据类型。

NP提供了以下重点功能。

一个强大的N维数组对象ndarray

广功能函数

整合C/C++/Fortran代码的工具

提供了线性代数、傅里叶变换、随机数生成的相关功能

为了更加直观的了解Np的强大与作用，我们先看作用再看方法：

使用NUMPY操作数据集

在操作数据之前，我们先来理解什么是维度：

什么是维度

维度是一组数据的组织形式，不同数据维度可能表示不同的含义。

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，可以用数组表示。

通俗来讲，

1，2，3，4

这么一行数据就可以称之为一维数据，但如果我们再对其折叠：

1，2，

3，4

那么他就成为了二维数据，又可以称之为矩阵。

什么是数据集

数据集，顾名思义就是数据的集合，是用以训练程序的数据集合，一般是二维或者多维数表。

如果我们想自己手工新建一个数据集，可以直接新建一个文本文件，只要有恰当的数据，都可以称之为数据集：

城市,环比,同比,定基

北京,100.1,100.2,100.3

上海,111.1,111.2,111.3

南京,133.0,133.3,133.4

比如这样，我们就可以称上面的文件称之为数据集。

我们还注意到，上面数据是使用逗号作为分隔符分隔数据的，它简单描述了数据的内容和含义，并使用半角逗号作为分隔符。

像这样，用逗号分隔的数据集就称之为CSV(Comma-Separated Value,逗号分隔值)数据集，它是一种常见的文件格式，用来存储批量的数据。它就像一张excel表，用来存储简单结构的数据。

怎么样，数据集的概念是否特别简单呢？

生成数据集

数据集是一个简单的概念，但每次使用手工的方式去写毕竟不方便，所以，我们可以使用np的内置函数来生成数据集：

np.savetxt(frame,array,fmt='%.18e",delimiter=None)

frame：文件、字符串