- 数据的维度
- 维度的定义:一组数据的组织形式
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。(列表和集合类型)
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。(列表类型)
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。(列表类型)
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构。(字典类型或数据表示格式)
- NumPy的数组对象ndarray
- NumPy的引用:import numpy as np
- ndarray: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。
- ndarray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属性
- ndarray元素类型
对比:Pythoni语法仅支持整数、浮点数和复数3种类型
科学计算涉及数据较多,对存储和性能都有较高要求。
对元素类型 精细定义,有助于nump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。
- ndarray数组的创建和变换
- 创建
从Python中的列表、元组等类型创建ndarray数组。
使用nump中函数创建ndarray数组,如: range,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。
- 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。
- ndarray数组的操作(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
一维数组
多维数组
- ndarray数组的运算
- 数组与标量之间的运算:数组与标量之间的运算作用于数组的每一个元素
- 一元函数
- 二元函数