目录
1:从Python中的列表、元组等类型创建ndarray数组
一:前言
1:数据的维度
维度:一组数据的组织形式
列表和数组:一组数据的有序结构
区别:组成列表的各元素的数据类型可以不同,而组成数组的各元素的数据类型得相同。
多维数据:由一维或或二维数据在新维度上扩展形成
高维数据:仅利用最基本的二元关系展示数据之间的复杂结构
2:数据维度的Python表示
一维数据:列表(元素有序)和集合(元素无序)类型
二维数据:列表类型
多维数据:列表类型
高维数据:字典类型或数据表示格式(JSON、XML和YAML格式)
3:NumPy的介绍
NumPy是一个开源的Python科学计算基础库,其拥有:
- 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
NumPy是SciPy、Pandas等数据处理或科学计算库的基础
4:NumPy的引用
import numpy as np
尽管别名可以省略或更改,但建议使用上述约定的别名,将来工作中会更方便。
以下皆以np为NumPy别名
5:计算a²+b²例子,其中a和b都是一维数组
传统方法:
a=[1,2,3]
b=[2,3,4]
c=[]
for i in range(len(a)):
c.append(a[i]**2+b[i]**2)
print(c)
调用NumPy库来定义数组方法:
import numpy as np
a=np.array([1,2,3])
b=np.array([2,3,4])
c=a**2+b**2
print(c)
结果都是:
[5,13,25]
二:N维数组对象:ndarray
1:ndarray介绍
ndarray是一个多维数组对象,由两部分组成:
- 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
ndarray 在程序中的别名是:array
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数组可以由非同质对象构成
非同质ndarray元素为对象类型
非同质ndarray对象无法有效发挥NumPy优势,尽量避免使用
示例:
2:ndarry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 |
.dtyoe | ndarry对象的元素类型 |
.itemsize | ndarry对象中每个元素的大小,以字节为单位 |
示例: