Python数据分析与展示1

数据的维度

一维数据：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。对应列表、数组和集合等概念。

列表和数组：一组数据的有序结构。

区别：

列表：数据类型可以不同

数组：数据类型相同

二维数据：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。其中，表头是二维数据的一部分

多维数据：多维数据由一维或二维数据在新维度上扩展形成。例如增加时间维度的表格

NumPy的引用

import numpy as np

N维数组对象：ndarray

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。

使用np.array()生成一个ndarray数组（ndarray在程序中的别名是：array），np.array()输出成 [] 形式，元素由空格分割。

• 轴（axis）：保存数据的维度
• 秩（rank）：轴的数量

ndarray对象的属性

.ndim	秩，即轴的数量或维度的数量
.shape	ndarray 对象的尺寸，对于矩阵，n行m列
.size	ndarray对象元素的个数，相当于.shape中的n*m的值
.dtype	ndarray对象元素类型
.itemsize	ndarray对象中每个元素的大小，以字节为单位

创建ndarray数组

从Pyhton中的列表、元祖等类型创建ndarray数组

使用Numpy中函数创建ndarray数组，如：arange，ones，zeros等。

ndarray数组的变换

x = np.array(list/tuple)
x = np.array(list/tuple,dtype=np.float32)

当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型

使用Numpy中函数创建ndarray数组，如：arange，ones，zeros等

reshape和resize：

reshape不修改原始数据

resize修改原始数据

ndarray数组的运算