《Python 数据分析与展示》数据分析之表示

Numpy 库入门

数据的维度

一维数据：列表（数据类型可以不同）、数组（数据类型相同）
二维数据：表格是典型的二维数据
多维数据：由一维或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（字典、JSON、XML和YAML格式）

{
   
    "firstName":'Tian',
    "lastName":'Song',
    "address":{
   
                "streetAddr":"中关村南大街5号"
                "city":"北京市"，
                "zipcode":"100081"
    },
    "prof":['Computer System',"Security"]
}

Numpy 的数组对象（nparray）

def Sum():
    a = [0,1,2,3,4]
    b = [9,8,7,6,5]
    c = []
    for i in range(len(a)):
        c.append(a[i]**2+b[i]**2)
    return c
print(Sum())

import numpy as np  

def Sum():
    a = np.array([0,1,2,3,4])
    b = np.array([9,8,7,6,5])    
    c = a**2+b**2
    return c
print(Sum())

1. 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
2. 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
3. 数组对象采用相同的数据类型，有助于节省运算和存储时间

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对象的个数，相当于.shape中$n\ast m$的值
.dtype	ndarray对象的的烈性
.itemsize	ndarray对象中每个元素的大小，以字节为单位

ndarray 数组的创建方法

• 以列表、元祖或混合类型创建

 np.array(list/tuple,dtype = np.float32)

x = np.array