NumPy库入门
Python组织不同维度数据的方式
一维数据:用列表,例如:[3.1398, 3.1349, 3.1376] 有序;和集合类型,例如: {3.1398, 3.1349, 3.1376} 无序。
二维数据:列表类型
多维数据:列表类型,例如:[ [3.1398, 3.1349, 3.1376], [3.1413, 3.1404, 3.1401] ]
高维数据:字典类型,例如:dict = {“firstName” :“Tian”, “lastName” : “Song”, },或者数据表示格式:JSON、XML和YAML格式等。
NumPy简介
NumPy是一个开源的Python科学计算基础库,包含:
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是SciPy、Pandas等数据处理或科学计算库的基础
NumPy的引用,引入模块的别名:import numpy as np。尽管别名可以省略或更改,建议使用这个约定的别名。
NumPy的数组对象:ndarray
Python已有列表类型,为什么需要一个数组对象(类型)?
1.ndarray数组对象可以去掉元素间运算所需的循环,使一维向量更像单个数据;
2.设置专门的数组对象,经过优化,可以提升这类应用的运算速度;
3.实际观察可以发现:在科学计算中,一个维度所有数据的类型往往相同;
4.数组对象采用相同的数据类型,有助于节省运算和存储空间。
ndarray是一个多维数组对象,由两部分构成:
• 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数组一般要求所有元素类型相同(同质),数组下标从0开始。
ndarray在程序中的别名是:array,轴(axis): 保存数据的维度;秩(rank):轴的数量。
ndarray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 </ |