数据分析之表示(一)

​
​

活动地址：CSDN21天学习挑战赛

数据分析

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 3.1215 3.265 3.1516 3.256 3.248一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

1.1.2.二维数据

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。

1.1.3.多维数据

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

1.2.Numpy的数组对象：ndarray

1.2.1.Numpy

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

1.2.2.Numpy的引用

import numpy as np

其中as np 是引入模块的别名，尽管别名可以省略或更改，建议使用上述约定的别名。

1.2.3.N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。

1.2.4.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.shapendarray对象的尺度，对于矩阵，n行m列.sizendarray对象元素的个数，相当于，shape中n*m的值.dtypendarray对象的元素类型.itemsizendarray对象中每个元素的大小，以字节为单位

1.2.5.ndarray数组的元素类型

数据类型说明bool布尔类型，True或Falseintc与C语言中的int类型一致，一般是int32或int64intp用于索引的整数，与C语言中ssize_t一致，int32或int64
ndarray为什么要支持这么多中元素类型？
对比：python语法仅支持整数、浮点数和复数3种类型

• 科学计算设计数据较多，对存储和性能都有较高要求。
• 对元素类型精细定义，有助于Numpy合理使用存储空间并优化性能。
• 对元素类型精细定义，有助于程序员对程序规模有合理评估。

1.2.6.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
函数说明np.arange(n)类似range()函数，返回ndarray类型，元素从0到n-1np.ones(shape)跟据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，每个元素值都是valnp.eye(n)创建一个正方的n*n单位矩阵，对角线为1，其余为0np.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)根据数组a的形状生成一个数组，每个元素值都是valnp.linspace()根据起止数据等间距地填充数据，形成数组np.concatenate()将两个或多个数组合并成一个新的数组

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)

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()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，返回折叠后的一堆数组，原数组不变

注意一点，转换后的什么（4，6）啥的乘积的出来的数据的数量要跟原来的数据数量相同。
​