【北京理工大学-Python 数据分析-1.1】

原创

已于 2023-01-02 09:40:13 修改 · 1.3k 阅读

标签

#python #数据分析 #numpy

于 2023-01-02 09:02:37 首次发布

本文介绍了Python数据分析库NumPy的基础知识，包括数据维度的概念、一维和多维数组的创建与操作，以及数组的索引、切片和运算。NumPy提供了一维数组ndarray，它具有强大的广播功能，并且支持各种创建和变换方法，如arange、ones、zeros等。此外，文章还探讨了数组的属性，如.ndim、.shape、.size和.dtype。

数据维度
维度：一组数据的组织形式

一维数据：由对等关系的有序或无序数据构成，采用线性组织形式。包括列表、集合和数组（python中不常见，但在C++和Java中比较常见）类型。

列表：数据类型可以不同
数组：数据类型相同
二维数据：由多个一维数据组成，是一维数据的组合形式（表现形式：列表）。
表格
多维数据：由一维或者二维数据在新维度上扩展形成（表现形式：列表）。
高维数据：利用最基本的二元关系展示数据间的复杂结构。

NumPy是一个开源的Python科学计算基础库。

一个强大的N维数组对象ndarray。
广播功能函数（是指ndarry在执行某些计算时，如矩阵间的数值计算，对应位置元素1对1执行标量运算，而非线性代数中的矩阵间的运算。可以确保数组间形状不完全相同时可以自动的通过广播机制扩散到相同的形状，进而执行相应的计算功能）。
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单元。
NumPy的印用（import numpy as np)
使用Numpy进行科学计算，底层使用的C语言。
N维数组对象：ndarray。
观察：科学计算中，一个维度的所有数据类型往往相同，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、数据类习性等）。
nadarray数组一般要求所有元素类型相同（同质），数组下标从0开始（与列表相同）。
使用np.array()生成一个ndarray数组。
ndarray在程序中的别名是：array.
np。array(0输出成[]形式，元素间用空格分隔。
ndarray的两个基本概念：是轴（axis)：保存数据的维度；秩（rank):轴的数量，是描述ndarray的基本数据和形式。

ndarray对象的属性

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中的n*m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

a=np.array([[0,1,2,3,4],[9,8,7,6,5]])
a.ndim
a.dtype
a.itemsize

ndarray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，一那是int32或者int64
intp	用于索引的证书，与C语言中的ssize_t一致，int32或者int64
int8	字节长度的整数，取值:[-128,127]
int16	16维长度的整数，取值:[-64,63]
int32	32位长度的整数，取值:[-2³¹ ,2³¹ -1]
int64	64位长度的整数，取值:[-2⁶³ ,2⁶³ -1]
uint8	8位无符号整数，取值:[0,255]
uint16	16位无符号整数，取值:[0,65535]
uint32	32位无符号整数，取值[0,2³² -1]
uint64	64位无符号整数，取值:[0,2⁶⁴ -1]
float16	16位半精度浮点数:1位符号位，5位指数，10位尾数
float32	32位半精度浮点数:1位符号位,6位指数，23位尾数
float64	64位半精度浮点数:1位符号位，11位指数，52位尾数
complex64	复数类型，实部和虚部都是32位浮点数
complex128	复数类型，实部和虚部都是64位浮点数