0. 绪言
学习前先介绍在 Python 中什么是命令行模式和 Python 交互模式
命令行模式
在Windows开始菜单选择“命令提示符”,就进入到命令行模式,它的提示符类似c:/>
Python 交互模式
在命令行模式下敲命令python,就看到类似如下的一堆文本输出,然后就进入到Python交互模式,它的提示符是>>>
在 Python 交互模式下输入exit()
并回车,就退出了Python 交互模式,并回到命令行模式。
我是在交互模式下进行 Python 学习的。对于学习编程,建议多敲代码,多进行实验,才能更深入的了解和更深刻的记忆,个人认为交互式的平台就很适合这个学习的过程。
或者输入ipython
,这样支持变量自动补全,自动缩近,适合熟练掌握之后使用。
下面介绍 NumPy
NumPy 是一个基于 Python 的数值计算库,它弥补了 python 中一些数据处理上的不足,NumPy 提供了两种基本的对象:ndarray(N-dimensional array object)和 ufunc(universal function object)。ndarray 是存储单一数据类 型的多维数组,而 ufunc 则是能够对数组进行处理的函数。
下面我们开始学习用 NumPy 处理数据
1.1 ndarray对象
import numpy as np #导入NumPy函数库
1.2 创建
内容简单,附上学习代码,后面都有注释(python的注释用#
)
>>> a=np.array([1,2,3,4]) #创建一维数组a
>>> a #查看数组a
array([1, 2, 3, 4])
>>> b=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])#创建二维数组b
>>> b
array([[ 1, 2, 3, 4],
[ 4, 5, 6, 7],
[ 7, 8, 9, 10]])
>>> b.dtype ##查看数组b的元素类型
dtype('int32')
>>> a.shape #查看数组a的大小
(4,) #回车后出现这样的字符,说明数组a是一维数组,并且有4个元素
>>> b.shape
(3, 4) #回车后出现这样的字符,说明数组b是二维数组,并且是3行4列
>>> c=b.reshape((4,3)) #创建数组c为数组b的元素顺序不变,但重新排列为4行3列
>>> c
array([[ 1, 2, 3],
[ 4, 4, 5],
[ 6, 7, 7],
[ 8, 9, 10]])
>>> b[0][2]=100 #把数组b中第1行第3列的元素编程100,注意:此时数组c中的3也变成了100
>>> b
array([[ 1, 2, 100, 4],
[ 4, 5, 6, 7],
[ 7, 8, 9, 10]])
>>> c
array([[ 1, 2, 100],
[ 4, 4, 5],
[ 6, 7, 7],
[ 8, 9, 10]])