数据分析Numpy库入门

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 </