数据分析与展示---Numpy入门

概括:

一:数据维度

(一)一维数据

(二)二维数据

(三)多维数据

(四)高维数据

二:Numpy的数组对象:ndarray

(一)Numpy介绍

(二)N维数组对象ndarray

(三)ndarray的元素类型

(四)当ndarray数组由非同质对象构成时

三:ndarray数组的创建方法

(一)从python中的列,元组等类型创建ndarray数组

(二)使用Numpy中函数创ndarray数组,如:arange,ones,zeros等

(三)使用Numpy中其他函数创建ndarray数组

    linspace根据起止数据等间距填充数据,形成数组,

    concatenate将两个或多个数组合并为一个新的数组

 四:ndarray数组的变换

(一)维度变换 

(二)类型变换astype

(三)ndarray数组转列表tolist

 五:ndarray数组的操作

 (一)数组的索引和切片

 (二)ndarray数组的运算


 

 

一:数据维度

 

(一)一维数据

 

(二)二维数据

(三)多维数据

(四)高维数据

数据的表示

 

二:Numpy的数组对象:ndarray

(一)Numpy介绍

 

复制代码
import numpy as np

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]**2)

    return c

def npSum():
    a = np.array([0, 1, 2, 3, 4])
    b = np.array([9, 8, 7, 6, 5])

    c = a**2 + b**2 #两组数据在维度相同时,可以直接进行运算
    return c

print(pySum())

print(npSum())
复制代码
[81, 65, 53, 45, 41]
[81 65 53 45 41]

 

(二)N维数组对象ndarray

 

(三)ndarray的元素类型

  

(四)当ndarray数组由非同质对象构成时

三:ndarray数组的创建方法

(一)从python中的列,元组等类型创建ndarray数组

(二)使用Numpy中函数创ndarray数组,如:arange,ones,zeros等

 

(三)使用Numpy中其他函数创建ndarray数组

linspace根据起止数据等间距填充数据,形成数组,

concatenate将两个或多个数组合并为一个新的数组

补充:

由于numpy多用于科学计算,所以大多数是需要使用浮点数,所以默认是浮点数类型

 四:ndarray数组的变换

对于创建后的ndarray数组,可以对其进行围堵变换和元素类型变换

 

注意其中是否会对原数组进行修改

(一)维度变换 

(二)类型变换astype

(三)ndarray数组转列表tolist

 五:ndarray数组的操作

 (一)数组的索引和切片

 

索引:

切片:

(二)ndarray数组的运算

一元函数:对一个数组进行运算

二元函数:对两个数组(规模相同)进行运算

 

总结

 

 

作者:山上有风景
欢迎任何形式的转载,但请务必注明出处。
限于本人水平,如果文章和代码有表述不当之处,还请不吝赐教。

posted @   山上有风景  阅读(469)  评论(0编辑  收藏  举报
编辑推荐:
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
阅读排行:
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 【译】Visual Studio 中新的强大生产力特性
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 【设计模式】告别冗长if-else语句:使用策略模式优化代码结构
点击右上角即可分享
微信分享提示