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