持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第6天，点击查看活动详情
1.Numpy库入门
1.1 数据的维度
3.14一个数据表达一个含义
3.1414，3.21314，3.21314，3.3231321，3.23114一组数据表达一个或多个含义。
维度：一组数据的组织形式
1.1.1一维数据
一维数组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。
列表和数组都是一组数据的有序结构。
区别：
列表：数据类型可以不同
数组：数据类型相同
1.1.2二维数组及多维数组
二维数据由多个一维数据构成，是一维数据的组合形式
表格是典型的二维数据，其中，表头是二维数据的一部分。
多维数据由一维或二维数据在新维度上扩展形成。
数据维度的python表示：
一维数据：列表和集合类型，其中列表是有序的，集合是无序的。
二维数据：列表类型。
多维数据：列表类型。
高维数据：字典类型或数据表示格式
1.2Numpy的数组对象：ndarray
1.2.1Numpy
Numpy是一个开源的python科学计算基础库，包含：
- 一个强大的N维数组对象ndarray
- 广播功能函数
- 整合c/c++/Fortran代码的工具
- 线性代数、傅里叶变换、随机数生成等功能
Numpy是Scipy、Pandas等数据处理或科学计算库的基础
1.2.2N维数组对象：ndarray
python已有列表类型，为什么需要一个数组对象？
- 数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据
- 设置专门的数组对象，经过优化，可以提升这类应用的运算速度 观察：科学计算中，一个维度所有数据的类型往往相同
- 数组对象采用相同的数据类型，有助于节省运算和存储空间。
ndarray是一个多维数组对象，由两部分构成：
- 实际的数据
- 描述这些数据的元数据（数据维度、数据类型等） ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始。
1.2.3.ndarray对象的属性
ndarray在程序中的别名是：array
np.array()生成一个ndarray数组
np.array()输出成[]形式，元素由空格分隔
轴（axis):保存数据的维度
秩（rank):轴的数量
| 属性 | 说明 |
|---|---|
| .ndim | 秩，即轴的数量或维度的数量 |
| .shape | ndarray对象的尺度，对于矩阵，n行m列 |
| .size | ndarray对象元素的个数，相当于，shape中n*m的值 |
| .dtype | ndarray对象的元素类型 |
| .itemsize | ndarray对象中每个元素的大小，以字节为单位 |
1.2.4.ndarray数组的元素类型
| 数据类型 | 说明 |
|---|---|
| bool | 布尔类型，True或False |
| intc | 与C语言中的int类型一致，一般是int32或int64 |
| intp | 用于索引的整数，与C语言中ssize_t一致，int32或int64 |
1.2.5.ndarray数组的创建
- 从Python中的列表、元组等类型创建ndarray数组
- 使用Numpy中函数ndarray数组，如：arange,ones,zeros等
- 从字节流（raw bytes)中创建ndarray数组
- 从文件中读取特定格式，创建ndarray数组
(1) 从python中的列表、元组等类型创建ndarray数组
x=np.array(list/tuple)
x=np.array(list/tuple,dtype=np.float32)
当np.array()不指定dtype时，Numpy将根据数据情况关联一个dtype类型
(2) 使用Numpy中函数ndarray数组，如：arange,ones,zeros等
1.2.6.ndarray数组的变换
对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换*
a=np.ones((2,3,4),dtype=np.int32)
