Python数据分析与展示学习笔记-2-1

目录

Numpy库入门

数据存取与函数

Numpy库入门

1. 数据的维度

维度：一组数据的组织形式，数据维度就是在数据之间形成特定关系，表达多种数据含义的基础概念。

（1） 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，对应列表、集合、数组等概念
           列表：列表中每一个元素的数据类型可以不同
           数组：要求每一个元素的数据类型相同
（2）二维数据：由多个一维数据构成，是一维数据的组合形式，表格是典型的二维数据
（3）多维数据：由一维或二维数据在新维度上扩展形成
（4）高维数据：高维数据仅利用最基本的二元关系展示数据间的复杂结构，数据之间的包含、并列、属性关系
高维数据就是用键值对将数据组织起来的一种方式

数据维度	类型	表示
一维数据	列表或集合类型	[1, 2, 3, 4] 有序    {1, 2, 3, 4} 无序
二维数据	列表类型	[ [1, 2, 3, 4], [5, 6, 7, 8] ]
多维数据	列表类型
高维数据	字典类型或数据表示格式	dict = {               "firstname" : "Lu",               "lastname": "Hui"，           } 数据表示格式：JSON、 XML和YAML格式

2. Numpy库

NumPy是一个开源的Python科学计算基础库，NumPy是SciPy、 Pandas等数据处理或科学计算库的基础，包含：

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

import numpy as np    # 引用Numpy

3. Numpy的数组对象：ndarray

引入数组对象的原因：将n个数组当作n个数据，在数据维度相同时可以直接进行运算，简化批量数据数据处理过程，提高运算速                                      度，节省存储空间

• 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
• 科学计算中，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，有助于节省运算和存储空间

ndarray是一个多维数组对象，由两部分构成：

•  实际的数据
• 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，其元素为对象类型。非同质ndarray无法有效发挥NumPy优势，尽量避免使用。ndarray两个基本概念：

轴（axis）:保存数据的维度
秩（rank）:轴的数量，即有几个维度

（1）ndarray对象的属性