本文共 1147 字，大约阅读时间需要 3 分钟。

1.数据的维度

一维数据：一维数据由对等关系的有序或无序数据构成，采用线性方式组织

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。

多维数据：多维数据由一维或二维在新维度上扩展形成。

高维数据：高维数据仅利用最基本的二元关系展示数据间的复杂结果

2.NumPy的数组对象：ndarray

（1）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

（2）NumPy的引用

import numpy as np

np：引入模块的别名

（3）例子 计算A^2+B^3 其中，A和B是一维数组

一般：

def pySum():

    a=[0,1,2,3,4]

    b=[9,8,7,6,5]

    c=[]

    for i in range(len(a)):

        c.append(a[i]**2+b[i]**3)

    return c

print(pySum())

numpy：

import numpy as np

 

def npSum():

    a=np.array([0,1,2,3,4])

    b=np.array([9,8,7,6,5])

    c=a**2+b**3

    return c

print(npSum())

（4）ndarray

ndarray是一个多维数组对象，由两部分组成：

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，数组下标从0开始

 

 

（5）ndarray的数组类型

 

 

（6）ndarray数组的创建

①从Python中的列表、元组等类型创建ndarray数组

x=np.array(list/tuple)

②使用NumPy中函数创建ndarray数组，如arrange

 

 

 

 

 

 

③从字节流中创建ndarray数组

④从文件中读取特定格式，创建ndarray数组

（7）ndarray数组的维度变换

 

（8）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。

（9）ndarray数组的运算

np.abs(x) np.fabs(z)         计算数组各元素的绝对值

np.sqrt(x)                   计算数组各元素的平方根

np.square(x)                 计算数组各元素的平方

np.log(x)                    计算数组各元素的自然对数

np.ceil(x) np.floor(x)       计算数组各元素的ceiling值或floor值                 

np.rint(x)                   计算数组各元素的四舍五入值

np.modf(x)         将数组各元素的小数和整数部分以两个独立数组形式返回

np.cos(x)                    计算数组各元素的普通型三角函数

np.exp(x)                    计算数组各元素的指数值

np.sign(x)                   计算数组各元素的符号值