前言

最近的这几篇文章是基于北理工嵩天老师的python进阶MOOC系列《Python数据分析与展示》，简单的记录算是对自己学习的一种总结吧

NumPy库入门知识

数据的维度

一维数据 列表、集合

二维数据 表格是经典的二维数据 用列表表示

多维数据 二维数据在更多维度上展开 比如时间维度 用列表表示

高维数据 仅使用最基本的二元关系展示复杂关系 key-value形式组织数据 用字典类型或者其他json、xmal、yaml等

NumPy的数组对象：ndarray

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

-广播函数功能

-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

使用 import numpy as np

ndarray是一个多维数组，由两部分组成，要求数组元素类型相同，数组下标从0开始

-元数据（数据维度，数据类型等）

-实际数据

np.array() –ndarray别名是array

轴(axis):保存数据的维度

秩(rank):轴的数量

N维数组对象实例

ndarray属性

.ndim即有几行

例：[[1,2,3,4][1,2,3,4]]ndim=2

a.mean() a里所有元素的平均值

里面的int32不是Python基础类型，是NumPy定义的类型，更多类型如下

ndarray元素类型

为啥要这么多数据类型？

-科学计算涉及大量数据，对性能和存储都有较高要求

-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，有助于程序员对程序规模由合理评估

ndarray数组也可以由非同质对象构成

非同质ndarray元素为对象类型

非同质ndarray数组无法发挥numpy优势，尽量避免使用

ndarray数组的创建方法

1) 从python列表元组等类型创建数组

x = np.array(list/tuple)

x = np.array(list/tuple,dtype=np.float32) 不指定类型的时候numpy自动关联一个合适的

除了arange函数，其他都是浮点数

ndarray数组的变换

维度变换、元素类型变换

ndarray数组向列表变换

ls = a.tolist()

ndarray数组的操作

数组的索引和切片

索引：获取数组中特定位置元素的过程

切片：获取数组元素子集的过程

ndarray数组的运算

数组与标量之间的运算作用于数组的每一个元素