python数据分析与展示-Numpy

一 数据的维度

1. 分为一维数据（列表或集合）、二维数据（嵌套列表）、多维数据、高维数据（仅利用最基本的二元关系展示，如键值对或数据表示格式）

2.数据表示格式公认的有json,xml,yaml（鸭哞）

3. 列表里的元素类型可以不同，数据元素数据类型是相同的

二 numpy

（一）背景知识

是一个开源的python科学计算基础库。是SciPy,Pandas等数据处理或科学计算库的基础。

一个强大的N维数组对象ndarray

广播功能函数

线性代数、傅里叶变换、随机数生成等功能

 1.有了列表为什么还要ndarray类型

左边停留于单一元素，右边是把一组数据看成''单个数据''含义（有点像标量和矢量的含义）

（1）数组对象去掉元素间运算所需的循环，是一维向量更像单个数据

（2）提升运算速度

（3）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（科学计算中一个维度的数据类型往往相同）

2.N维数组对象：ndarray

（1）ndarray是多维数组对象，由两部分构成：实际数据+描述数据的元数据（数据维度，数据类型）

import numpy as np

np.array()生成一个ndarray数组，ndarray在程序中的别名是array

np.array()输出成[]形式，元素由空格分割

（2）轴axis：保存 数据的维度，在轴上每个维度的数据存储在其中，一组数据看成'一个数据'是一个轴

秩rank：轴的数量，有多个维度

（3）

（4）数据类型

划分这么细的好处;

科学计算涉及数据多，对存储有要求，便于对程序规模合理评估

（5）ndarray一般要求数据是同质的，数据类型是一致的。

但也可以由非同质对象（数据类型不同或每个维度数据量不一致的时候）构成，这时返回的是对象类型，尽量避免使用

（二）ndarray数组的创建和变换

1.创建

arrange生成整数类型，ones,zeros生成浮点数类型，其后默认生成的是浮点数

 

endpoint=False表示不含末尾的10

2.变换

3.操作：索引，切片

三个维度嘛，所以三个维度都要索引

（三）ndarray数组的运算

1.与标量的运算

2.一元函数

3.二元函数

把数组当成单个数

三 CSV文件(一二维数据的存取)

（一）从numpy创建csv

delimiter=','

 如

（二）把 csv读入numpy数组

 

如

（三）缺点

四 多维数据的存取

（一）数组存为文件

不声明分隔符默认为二进制存储

二进制文件比文本文件占用空间小，所以下载的数据集一般是二进制文件，只是当作数据备份的方式

（二）把文件还原成数组

（三）numpy的便捷文件存取，存储的文件扩展名为numpy专有的.npy，压缩扩展名为.npz

 

五 Numpy的随机数函数

shuffle是只是按最外围轴打乱，图片有误更正修改默认是replace=True是重复采样

六 numpy的统计函数

七 图像的表示

（一）图像的数组表示