Python数据分析与展示(1)-数据分析之表示(1)-NumPy库入门

Numpy库入门

从一个数据到一组数据

维度：一组数据的组织形式

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。

可用类型：对应列表、数组和集合

不同点：

列表：数据类型可以不同

数组：数据类型相同

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

多维数据：由一维或二维数据在新维度上扩展形成。

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。

键值对将数据组织起来的形式

一维数据：列表和集合类型

二维数据：列表类型

多维数据：列表类型

高维数据：字典类型或数据表示格式(JSON\XML\YAML)

---

Numpy科学计算基础库

*一个强大的N维数组对象 ndarray

*广播功能函数

*整合C/C++/Fortran代码的工具

*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。

import numpy as np

尽管别名可以省略或更改，建议使用上述约定的别名

Python已有列表类型，为什么需要一个数组对象（类型）？

-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

-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

观察：科学计算中，一个维度所有数据的类型往往相同

-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）

np.array() 输出成[ ]形式，元素由空格分隔

轴（axis）：保存数据的维度；秩（rank）：轴的数量

ndarray对象的属性

ndarray数组的元素类型

ndarray的元素类型（1）

实部（.real）+ j虚部（.imag）

非同质的ndarray对象

ndarray数组的创建

-从Python中的列表、元组等类型创建ndarray数组

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

-从字节流（raw bytes）中创建ndarray数组

-从文件中读取特定格式，创建ndarray数组

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

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

（1）从Python中的列表、元组等类型创建ndarray数组

（2）使用NumPy中函数创建ndarray数组，如：arange，ones，zeros等

（3）使用NumPy中其他函数创建ndarray数组

ndarray数组的变换

对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换

a = np.ones((2,3,4), dtype = np.int32)

ndarray数组的维度变换

ndarray数组的类型变换

new_a = a.astype(new_type)

astype()方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一致

ndarray数组向列表的转换

ls = a.tolist()

ndarray数组的操作

数组的索引和切片

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

数组的索引和切片

一维数组的索引和切片：与Python的列表类似

多维数组的索引：

数组的索引和切片

多维数组的切片：

数组与标量之间的运算作用于数组的每一个元素

实例

NumPy一元函数

对ndarray中的数据执行元素级运算的函数

Numpy二元函数

本文为博主学习笔记，转载需注明来源；

学习视频所属：中国大学MOOC 北京理工大学 嵩天老师https://www.icourse163.org/course/BIT-1001870002