3-01-1 数据结构

3.1.1 数据结构

在介绍数据的处理之前，先理解一下在机器学习领域，数据科学家是如何看待数据的，数据可以分成标量 (Scalar)、向量 (Vector)、矩阵 (Matrix)、张量 (Tensor)。简单来说，0 维的张量就是标量，1 维的张量就是向量，2 维的张量就是矩阵， 3 维以上的张量则统一称为张量。 以下使用 NumPy 为例来创建向量、矩阵、张量，因为标量是单纯的数据，所以直接指定即可。

实例

# 标量
a=1
# 向量
import numpy as np
# 创建一个向量
vector = np.array([1,2,3])
print(vector.shape)
print(vector)
  
# 创建一个矩阵
matrix = np.array([[1,2,3],[2,3,4]])
print(matrix.shape)
print(matrix)
  
# 创建一个张量
tensor = np.array([[[1,2,3],[2,3,4]],
                [[1,2,3],[2,3,4]]])
print(tensor.shape)
print(tensor)
  
# 输出结果如下：
(3,) 
[1 2 3]
  
(2, 3)
[[1 2 3]
 [2 3 4]]
  
(2, 2, 3)
[[[1 2 3]
  [2 3 4]]
  
 [[1 2 3]
  [2 3 4]]]

图 3-1-1 透过 Jupyter Notebook 操作练习

Python数据处理-文章目录