數(shù)據(jù)的維度

從一個(gè)數(shù)據(jù)到一組數(shù)據(jù)

一個(gè)數(shù)據(jù)：表達(dá)一個(gè)含義

一組數(shù)據(jù)：表達(dá)一個(gè)或者多個(gè)含義

維度：一組數(shù)據(jù)的組織形式

一維數(shù)據(jù)

由對(duì)等關(guān)系的有序或者無序數(shù)據(jù)構(gòu)成，采用線性方式組織，對(duì)應(yīng)列表、數(shù)組和集合等概念

列表：數(shù)據(jù)類型可以不同

數(shù)組：數(shù)據(jù)類型相同

二維數(shù)據(jù)

由多個(gè)一維數(shù)據(jù)構(gòu)成，是一維數(shù)據(jù)的組合形式

表格是典型的二維數(shù)據(jù)，其中，表頭是二維數(shù)據(jù)的一部分。

多維數(shù)據(jù)

多維數(shù)據(jù)由一維或二維數(shù)據(jù)在新維度上擴(kuò)展形成

高維數(shù)據(jù)

高維數(shù)據(jù)僅利用最基本的二元關(guān)系展示數(shù)據(jù)間的復(fù)雜結(jié)構(gòu)

數(shù)據(jù)維度的Python表示：數(shù)據(jù)維度是數(shù)據(jù)的組織形式

一維數(shù)據(jù)：列表和集合類型
[3.1398, 3.1349, 3.1376] 有序
{3.1398, 3.1349, 3.1376} 無序
二維數(shù)據(jù)：列表類型

多維數(shù)據(jù)：列表類型

[ [3.1398, 3.1349, 3.1376],

[3.1413, 3.1404, 3.1401] ]

高維數(shù)據(jù)：字典類型或數(shù)據(jù)表示格式?JSON、XML和YAML格式

dict = {
“firstName” : “Tian”,
“l(fā)astName” : “Song” ,
}

NumPy的數(shù)組對(duì)象：ndarray，NumPy是SciPy、Pandas等數(shù)據(jù)處理或科學(xué)計(jì)算庫的基礎(chǔ)

Numpy是一個(gè)開源的Python科學(xué)計(jì)算基礎(chǔ)庫，包含：

? 一個(gè)強(qiáng)大的N維數(shù)組對(duì)象ndarray
? 廣播功能函數(shù)
? 整合C/C++/Fortran代碼的工具
? 線性代數(shù)、傅里葉變換、隨機(jī)數(shù)生成等功能

NumPy的引用

import numpy as np
盡管別名可以省略或更改，建議使用上述約定的別

Python已有列表類型，為什么需要一個(gè)數(shù)組對(duì)象(類型)？

?、

? 數(shù)組對(duì)象可以去掉元素間運(yùn)算所需的循環(huán)，使一維向量更像單個(gè)數(shù)據(jù)
? 設(shè)置專門的數(shù)組對(duì)象，經(jīng)過優(yōu)化，可以提升這類應(yīng)用的運(yùn)算速度
觀察：科學(xué)計(jì)算中，一個(gè)維度所有數(shù)據(jù)的類型往往相同
? 數(shù)組對(duì)象采用相同的數(shù)據(jù)類型，有助于節(jié)省運(yùn)算和存儲(chǔ)空間

ndarray是一個(gè)多維數(shù)組對(duì)象，由兩部分構(gòu)成：
? 實(shí)際的數(shù)據(jù)
? 描述這些數(shù)據(jù)的元數(shù)據(jù)(數(shù)據(jù)維度、數(shù)據(jù)類型等)
ndarray數(shù)組一般要求所有元素類型相同(同質(zhì))，數(shù)組下標(biāo)從0開始

?

ndarray數(shù)組的元素類型

?

ndarray數(shù)組的創(chuàng)建方法

??從Python中的列表、元組等類型創(chuàng)建ndarray數(shù)組

? 使用NumPy中函數(shù)創(chuàng)建ndarray數(shù)組，如：arange, ones, zeros 等

? 從字節(jié)流(raw bytes)中創(chuàng)建ndarray數(shù)組

? 從文件中讀取特定格式，創(chuàng)建ndarray數(shù)組

( 1)從Python中的列表、元組等類型創(chuàng)建ndarray數(shù)組

x = np.array(list/tuple )

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

當(dāng)np.array()不指定dtype時(shí)，NumPy將根據(jù)數(shù)據(jù)情況關(guān)聯(lián)一個(gè)dtype類型

( 2)使用NumPy中函數(shù)創(chuàng)建ndarray數(shù)組，如：arange, ones, zeros 等

( 3)使用NumPy中其他函數(shù)創(chuàng)建ndarray數(shù)組

ndarray數(shù)組的變換

對(duì)于創(chuàng)建后的ndarray數(shù)組，可以對(duì)其進(jìn)行維度變換和元素類型變換

ndarray數(shù)組的維度變換

ndarray數(shù)組的類型變換

ndarray數(shù)組向列表的轉(zhuǎn)換

ndarray數(shù)組的操作

數(shù)組的索引和切片

索引：獲取數(shù)組中特定位置元素的過程 切片：獲取數(shù)組元素子集的過程

一維數(shù)組的索引和切片：與Python的列表類似

多維數(shù)組的索引：

ndarray數(shù)組的運(yùn)算

數(shù)組與標(biāo)量之間的運(yùn)算

?數(shù)組與標(biāo)量之間的運(yùn)算作用于數(shù)組的每一個(gè)元素

NumPy一元函數(shù)實(shí)例

NumPy二元函數(shù)

NumPy二元函數(shù)實(shí)例

總結(jié)

以上是生活随笔為你收集整理的第一周——数据分析之表示 —— Numpy入门的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。