-
一 数据维度
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。在python中可以用列表或元组来表示
区分列表和数组：1列表中数据类型可以不同，2数组中数据类型相同。
二维数据 ：由多个一维数据构成，是一维数据的组合形式。python用列表的嵌套
多维数据：由一维或二维数据在新维度上的扩展形式。python用列表的嵌套
高维数据：字典，键值对。Python中用字典的嵌套或数据表示格式（JSON,XML,YAML）。
-
二 Numpy的数组对象ndarray
1 Numpy包含一个强大的N维数组对象ndarray，是Scipy，pandas等数据处理或科学计算的基础
2 Numpy的引用：import numpy as np
3 ndarray是一个多维数组对象，由两部分组成（1）实际的数据（2）描述这些数据的元数据（数据维度等）
4 ndarray数组一般要求所有元素类型相同（同志）,数组下标从0开始
5 ndarray别名为array，np.array()接受一个列表生成ndarray数组，且ndarray对象的属性如表
| 属性 | 说明 |
| .ndim | 维度的数量 |
| .shape | 对象的尺度，n行m列 |
| .size | 元素个数，相当于n*m |
| .dtype | nadrray的元素属性 |
| .itemsize | 对象中每个元素的大小，以字节为单位 |
| 数据类型 | 说明 |
| bool | 布尔类型，True/false |
| intc | 与c语言中int类型一致，一般是int32或int64 |
| intp | |
| int8 | 8位长度的整数 |
| int16 | |
| int32 | |
| int64 | |
| uint8 | 8位无符号整数 |
| uint16 | |
| uint32 | |
| uint64 | |
| float16 | 16位半精度浮点数，1位符号位，5位指数，10位尾数 |
| float32 |
1 8 32 |
| float64 | 1 11 52 |
| complex64 | 复数类型，实数和虚数都为浮点数 |
| complex128 |
-
三 ndarray数组的创建
1 从python中的列表，元组等类型创建ndarray数组（也可以元组列表混用，但要求数据个数同样）
x=np.ndarray(list/tuple) x=np.ndarray(list/tuple,dtype=np.float32) 可以传入dtype参数来规定数据类型，若不规定dtype，则根据输入的数据自行规定数据类型
2 使用NumPy中的函数
| 函数 | 说明 |
| np.arrange(n) | 类似range函数，返回ndarray类型，元素从0-n-1，是整数，其余的函数生成默认为浮点数 |
| np.ones(shape) | 根据shape生成一个全1数组，shape是元组类型 |
| np.zeros(shape) | 根据shape生成一个全0数组，shape是元组类型 |
| np.full(shape,val) | 根据shape生成一个数组，每个元素都是val |
| np.eye(n) | 生成一个正方的n*n单位矩阵，对角线为1，其余为0 |
| np.ones_like(a) | 根据数组a的形状生成一个全1数组 |
| np.zeros_like(a) | 根据数组a的形状生成一个全0数组 |
| np.full_like(a,val) |
3 使用NumPy中其他函数创建ndarray数组
| 函数 | 说明 |
| np.linspace() | 根据起始数据等间距填充数据，形成数组。 |
| np.concatenate() | 将2个或多个数组合并为一个数组。 |
-
四 ndarray数组的变换
对于创建好的ndarray数组，可以对其进行维度变换和数据元素类型变换。
1 维度变换
| 方法 | 说明 |
| .reshape(shape) | 不改变数组元素，返回一个shape形状的数组，原数组不变 |
| .resize(shape) | 与.reshape(shape)的功能一致，但修改原数组 |
| .swapaxes(ax1,ax2) | 将数组n个维度中两个维度进行调换 |
| .flatten() | 对数组进行降维，返回折叠后的一维数组，原数组不变 |
2 ndarray数组的类型转换
new_a=a.astype(new_type)
astype()方法可以作为一个拷贝数组的方法，当数据类型相同时，因为他一定会创建一个新的数组
3 ndarray数组向列表的转换
ls=a.tolist()
-
五 ndarray数组的操作和运算
1 索引和切片（索引：获取数组中特定元素的过程。切片：获取数组元素子集的过程。）
一维数组的索引和切片
多维数组的索引和切片
2 数组与标量（一个数值）之间的运算：数组与标量之间的运算作用于数组的每一个元素
3 NumPy一元函数与二元函数（不必记忆，需要时查找即可）
一元函数
| 函数 | 说明 |
| np.abs(x) | 计算数组各元素的绝对值 |
| np.sqrt(x) | 计算数组各元素的平方根 |
| np.square(x) | 计算平方 |
| np.log(x) np.log10(x) np.log2(x) | 计算数组各元素的自然对数，10底对数和2底对数 |
| np.ceil(x) np.floor(x) | 计算各数组元素的ceiling值和floor值 |
| np.rint(x) | 计算各数组的四舍五入值 |
| np.modf(x) | 计算各元素小数和整数部分以两个独立数组返回 |
| np..cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) |
三角函数 |
| np.exp(x) | 计算各素组元素的指数值 |
| np.sign(x) | 计算数组各元素符号值1（+）-1（-）0（0） |
二元函数
| 函数 | 说明 |
| + - * / | 各元素对应运算 |
| np.maximun(x,y) np.minimum(x,y) |
最值 |
| np.mod(x,y) | 元素级的模运算 |
| np.copysign(x,y) | 将数组y中各元素的符号赋值给数组x对应元素 |
| > < >= <= == != | 算数比较，产生布尔型数组 |
