【Python数据分析与展示第一次学习】

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。