Python数据分析与展示（北京理工大学慕课）学习笔记1

NumPy库入门

数据的维度

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

• 一维数据：列表和集合类型
• 二维数据：列表类型
• 多维数据：列表类型
• 高维数据：字典类型（键值对）或数据表示格式（XML,JSON,YAML）

NumPy的数组对象

NumPy的N维数组对象：ndarray

import numpy as np

• 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
• 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

np.array() #生成一个ndarray数组
np.array() #输出成[ ]形式，元素由空格分割

轴(axis)：保存数据的维度
秩(rank)：轴的数量
ndarray对象的属性：

属性	说明
.ndim	秩，即轴的数量或维度的数量
.shape	ndarray对象的尺度，对于矩阵，n行m列
.size	ndarray对象元素的个数，相当于.shape中n*m的值
.dtype	ndarray对象的元素类型
.itemsize	ndarray对象中每个元素的大小，以字节为单位

ndarray数组可以由非同质对象构成，非同质ndarray元素为对象类型。但非同质ndarray对象无法有效发挥NumPy优势，尽量避免使用

ndarray数组的创建和变换

创建：

• 从Python中的列表、元组等类型创建ndarray数组

x=np.array(list/tuple)
x=np.array(list/tuple,dtype=np.float32)
当np.array()不指定dtype时， NumPy将根据数据情况关联一个dtype类型

• 使用NumPy中函数创建ndarray数组，如，arange, ones,zeros等

函数	说明
np.arange(n)	类似range()函数，返回ndarray类型，元素从0到n-1
np.ones(shape)	根据shape生成一个全1数组，shape是元组类型
np.zeros(shape)	根据shape生成一个全0数组，shape是元组类型
np.full(shape,val)	根据shape生成一个数组，每个元素值都是val
np.eye(n)	创建也给正方的n*n单位矩阵，对角线为1，其余全为0
np.ons_like(a)	根据数组a的形状生成一个全1数组
np.zeros_like(a)	根据数组a的形状生成一个全0数组
np.full_like(a,val)	根据数组a的形状生成一个数组，每个元素值都是val
np.linespace()	根据起止数据等间距地填充数据，形成数组
np.concatenate()	将两个或多个数组合并成一个新的数组

ndarray数组的