python数据分析与展示--Numpy入门

Numpy入门⭐️

---

• 废了吗

数据的维度😂

一维数据：列表 数组 集合

⭐️列表和数组

• 列表的数据可以是不同的类型
• 数组要求数据类型相同

二维和多维数据

高维数据

• 有键值对组织起来的数据

python常见数据表示

• 一维数据

  [1,4,6]#有序
  {1,3,5}#无序
  

• 二维和多维度

  [[1,2,3],
   [4,5,6]]
  

NumPy的数组表示

NumPy库—数据科学计算

引用：import numpy as np

数组的优势

• 减少运算循环，加快计算速度
• 使用相同数据类型，节省内存

数组对象 ：ndarray

组成：

1. 实际数据
2. 描述这些数据的元数据（数据的维度，类型）

特点：

1. 数据同类型
2. 下标从0开始

ndarray对象的属性	描述
.ndim	秩，轴的数量或者维度的数量
.shap	数组对象的尺度，m行n列
.size	数组元素个数，m*n
.dtype	元素类型
.itemsize	每个元素的大小，以字节为单位

使用ndarray数组时需要保证数据类型一致，保证每一个维度数据数量相同

ndarray数组的创建和变换😳

ndarray数组的创建方法:

1. 从python的列表元组类型创建

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

2. 使用NumPy中函数创建数组(元素默认为整数其他默认为浮点数)

   函数	说明
   np,arange(n)	类似range()，元素从0到n-1
   np.ones(shape)	生成全1数组，shape是元组类型
   np.zeros(shape)	生成全0数组，shape是元组类型
   np.full(shap,val)	生成每个元素都是val的的数组
   np.eye(n)	生成n*n的单位矩阵，对角线1，其余元素为0
   np.ones_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的形状生成一个全val数组
   np.linspace(a,b,num，endpoint=False)	从a到b等间距生成num个元素的1维数组,默认b包括在数组内
   np.concatenate()	将两个或者多个数组合并为一个新数组

   ndarray数组维度变换方法	描述
   .reshape(shape)	不改变数组元素，返回一个shape1形状的数组，原数组不变
   .resize(shape)	和reshape(shape)一样，但修改原数组
   .swapaxes(ax1,ax2)	将数组n个维度中的两个维度调换
   .flatten()	对数字降维，返回折叠后的一维数组，原数组不变

   ndarray数组的类型变换	描述
   new_a=a.astype(new_type)	astype方法会创建一个新数组（可以用来拷贝一个素组）

   例 new_a=a.astype(np.float)

   ndarray数组转换为列表	描述
   .tolist()	转换为python列表类型

3. 从字节流（raw bytes)中创建

4. 从文件中读特定格式创建

ndarray数组的索引和切片😉

1. 数组的索引和切片

   a. 一维数组的索引和切片

   a=np.array([1,2,3,4,5])
   
   a[0]
   
   a[1:4:2]#表示提取下标1到4（不包括4）步长为2的元素
   

   b. 多维数组的索引和切片

   a=np.arange(24).reshape((2,3,4))
   
   a[1,2,3]
   
   a[-1,-2,-3]
   
   a[:,1,-3]
   
   a[:,1:3,:]#表示第一个和第三个维度所有的，并且第二个维度下标1到3（不包括3）的切片
   
   a[:,:,::2]#表示在第三个维度上以步长为2的切片
   

ndarray数组的运算

1. NumPy一元函数(对数组内的所有元素进行运算)

   函数	说明
   np.abs(x)或者np.fabs(x)	取绝对值
   np.sqrt(x)	取平方根
   np.square(x)	平方
   np.log(x) np.log10(x) np.log2(x)	求对数
   np.ceil(x) np.floor(x)	求该数附近的两个整数
   np.rint(x)	四舍五入
   np.modf(x)	小数和整数部分分开为两个独立数组返回
   np.cos(x) np.sin(x) np.tan(x) np.cosh(x) np.sinh(x) np.tanh(x)	三角函数
   np.exp(x)	指数
   np.sign(x)	计算元素的符号，返回1，0，-1

2. NumPy二元函数(两个数组之间的运算)

   函数	说明
   + - * /	加减乘除
   np.maximum(x,y) np.minimum(x,y)	元素级最大最小值
   np.mod(x,y)	元素级模运算
   np.copysign(x,y)	将y的符号赋值给x
   > = < <= == ！=	算数比较