數據的維度

從一個數據到一組數據

一個數據：表達一個含義

一組數據：表達一個或者多個含義

維度：一組數據的組織形式

一維數據

由對等關系的有序或者無序數據構成，采用線性方式組織，對應列表、數組和集合等概念

列表：數據類型可以不同

數組：數據類型相同

二維數據

由多個一維數據構成，是一維數據的組合形式

表格是典型的二維數據，其中，表頭是二維數據的一部分。

多維數據

多維數據由一維或二維數據在新維度上擴展形成

高維數據

高維數據僅利用最基本的二元關系展示數據間的復雜結構

數據維度的Python表示：數據維度是數據的組織形式

一維數據：列表和集合類型
[3.1398, 3.1349, 3.1376] 有序
{3.1398, 3.1349, 3.1376} 無序
二維數據：列表類型

多維數據：列表類型

[ [3.1398, 3.1349, 3.1376],

[3.1413, 3.1404, 3.1401] ]

高維數據：字典類型或數據表示格式?JSON、XML和YAML格式

dict = {
“firstName” : “Tian”,
“lastName” : “Song” ,
}

NumPy的數組對象：ndarray，NumPy是SciPy、Pandas等數據處理或科學計算庫的基礎

Numpy是一個開源的Python科學計算基礎庫，包含：

? 一個強大的N維數組對象ndarray
? 廣播功能函數
? 整合C/C++/Fortran代碼的工具
? 線性代數、傅里葉變換、隨機數生成等功能

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，為什么需要一個數組對象(類型)？

?、

? 數組對象可以去掉元素間運算所需的循環，使一維向量更像單個數據
? 設置專門的數組對象，經過優化，可以提升這類應用的運算速度
觀察：科學計算中，一個維度所有數據的類型往往相同
? 數組對象采用相同的數據類型，有助于節省運算和存儲空間

ndarray是一個多維數組對象，由兩部分構成：
? 實際的數據
? 描述這些數據的元數據(數據維度、數據類型等)
ndarray數組一般要求所有元素類型相同(同質)，數組下標從0開始

?

ndarray數組的元素類型

?

ndarray數組的創建方法

??從Python中的列表、元組等類型創建ndarray數組

? 使用NumPy中函數創建ndarray數組，如：arange, ones, zeros 等

? 從字節流(raw bytes)中創建ndarray數組

? 從文件中讀取特定格式，創建ndarray數組

( 1)從Python中的列表、元組等類型創建ndarray數組

x = np.array(list/tuple )

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

當np.array()不指定dtype時，NumPy將根據數據情況關聯一個dtype類型

( 2)使用NumPy中函數創建ndarray數組，如：arange, ones, zeros 等

( 3)使用NumPy中其他函數創建ndarray數組

ndarray數組的變換

對于創建后的ndarray數組，可以對其進行維度變換和元素類型變換

ndarray數組的維度變換

ndarray數組的類型變換

ndarray數組向列表的轉換

ndarray數組的操作

數組的索引和切片

索引：獲取數組中特定位置元素的過程 切片：獲取數組元素子集的過程

一維數組的索引和切片：與Python的列表類似

多維數組的索引：

ndarray數組的運算

數組與標量之間的運算

?數組與標量之間的運算作用于數組的每一個元素

NumPy一元函數實例

NumPy二元函數

NumPy二元函數實例

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。