1.数据的维度
导入:数据
一个数据:表达一个含义。
一组数据:表达一个或多个含义。
数据的维度分为:一位数据、二维数据、多维数据、高位数据
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,例如:列表、数组、集合等。通常用列表和集合类型表示。
eg:
列表和数组的比较:
同:一组数据的有序结构。
区别:列表的数据类型可以不同,例:
数组的数据类型必需相同,例:
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。通常用列表类型表示。
eg:
多维数据:由一维或二维数据在新维度上扩展形成。通常用列表类型表示。
eg:
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,即通过键值对组成的结构关系。通常用字典类型或数据表示。
eg:
2.Numpy的数组对象ndarray
Numpy是一个开源的Python科学计算基础库。
Numpy的功能如下:
1.一个强大的N维数组对象ndarray
2.广播功能函数
3.整合C/C++/Fortran代码的工具
4.线性代数、傅里叶变换、随机数生成等功能
Numpy的引用:import numpy as np
as np 为引入模块的别名,尽管别名可以省略或更改,但为了方便理解和快捷,建议使用此别名。
ndarray是一个多维度组对象,有两部分构成:1、实际的数据 2、描述这些数据的元数据(数据维度、数据类型等)
提醒:ndarray数组一般要求所有元素类型相同,数组下标从0开始。
ndarry对象的属性
ndarry的元素类型
Python语法仅支持整数、浮点数和复数3种类型。
3.ndarray数组的创建和转换
ndarray数组的创建方法
(1)从Python中的列表、元组等类型创建ndarray数组
eg:
(2)使用NumPy中函数创建ndarray数组,如:arange、ones等
eg:
(3)使用Numpy中其他函数创建ndarray数组。
eg:
ndarray数组的转换
ndarray数组的转换常用方法:
eg:
a = np.ones((2,3,4),dtype=np.int32)
new_a = a.astype(new_type)
eg:
astype()方法一定会创建新的数组(原始数据的拷贝),即两个类型一致)
Is = a.tolist()
eg:
4.ndarray数组的操作
索引:获取数组中特定位置元素的过程
切片:获取数组元素子集的过程
一维数组的索引和切片:与Python的列表类似
eg:
多维数组的索引:
多维数组的切片:
5.ndarray数组的运算
ndarray数组的运算第一种即是数组与标量之间的运算,作用于数组的每一个元素
eg:
Numpy一元函数:
eg:
Numpy二元函数:
eg:
试一试:用numpy创建一个二维或多维正态分布随机数,保留符合[0, 1)的数,然后求平均值。