数据分析与展示---Numpy入门

概括：

一：数据维度

（一）一维数据

（二）二维数据

（三）多维数据

（四）高维数据

二：Numpy的数组对象：ndarray

（一）Numpy介绍

（二）N维数组对象ndarray

（三）ndarray的元素类型

（四）当ndarray数组由非同质对象构成时

三：ndarray数组的创建方法

（一）从python中的列，元组等类型创建ndarray数组

（二）使用Numpy中函数创ndarray数组，如：arange,ones,zeros等

（三）使用Numpy中其他函数创建ndarray数组

 四：ndarray数组的变换

（一）维度变换 

（二）类型变换astype

（三）ndarray数组转列表tolist

 五：ndarray数组的操作

 （一）数组的索引和切片

 （二）ndarray数组的运算

---

一：数据维度

 

（一）一维数据

 

（二）二维数据

（三）多维数据

（四）高维数据

数据的表示

 

二：Numpy的数组对象：ndarray

（一）Numpy介绍

 

import numpy as np

def pySum():
    a = [0,1,2,3,4]
    b = [9,8,7,6,5]
    c = []
    for i in range(len(a)):
        c.append(a[i]**2+b[i]**2)

    return c

def npSum():
    a = np.array([0, 1, 2, 3, 4])
    b = np.array([9, 8, 7, 6, 5])

    c = a**2 + b**2 #两组数据在维度相同时，可以直接进行运算
    return c

print(pySum())

print(npSum())

[81, 65, 53, 45, 41]
[81 65 53 45 41]

 

（二）N维数组对象ndarray

 

（三）ndarray的元素类型

  

（四）当ndarray数组由非同质对象构成时

三：ndarray数组的创建方法

（一）从python中的列，元组等类型创建ndarray数组

（二）使用Numpy中函数创ndarray数组，如：arange,ones,zeros等

 

（三）使用Numpy中其他函数创建ndarray数组

补充：

由于numpy多用于科学计算，所以大多数是需要使用浮点数，所以默认是浮点数类型

 四：ndarray数组的变换

对于创建后的ndarray数组，可以对其进行围堵变换和元素类型变换

注意其中是否会对原数组进行修改

（一）维度变换 

（二）类型变换astype

（三）ndarray数组转列表tolist

 五：ndarray数组的操作

 （一）数组的索引和切片

 

索引：

切片：

（二）ndarray数组的运算

一元函数：对一个数组进行运算

二元函数：对两个数组（规模相同）进行运算

 

总结