Python数据分析与展示

list8 数据的维度

维度	一组数据的组织形式
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 举例：列表、数组和集合 python表示：列表、集合
列表与数组区别	列表：数据类型可以不同 数组：数据类型相同
二维数据	多个—维数据构成，是一维数据的组合形式 举例：表格（表头是二维数据的一部分） python表示：列表
多维数据	由一维或二维数据在新维度上扩展形成 举例：时间维度 python表示：列表
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 python表示：字典类型或数据表示格式， JSON、XML和YAML格式

NumPy的数据对象：ndarray

1. NumPy的引用

import numpy as np

2. N维数组对象：ndarray

2.1 举例：计算A²+B²，其中，A和B是一堆数组

import numpy as np
def np_sum():
    a = np.array([0,1,2,3,4])
    b = np.array([9,8,7,6,5])
    c = a**2 + b**2
    return c
print(np_sum())

2.2 数组对象（类型）的优势：

        2.2.1 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

        2.2.2 设置专门的数组对象，可以提升这类应用的运算速度

        2.2.3 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

2.3 ndarray两部分构成——多维数组对象：

        2.3.1 实际的数据

        2.3.2 描述这些数据的元数据（数据维度、数据类型等）

2.4 ndarray实例

 2.5 ndarray对象的属性

举例：

import numpy as np
a = np.array([[0, 1, 2, 3, 4],
			 [9, 8, 7, 6, 5]])
print(a.ndim)
# 2
print(a.shape)
# (2, 5)
print(a.size)
# 10
print(a.dtype)
# int32 
print(a.itemsize)
# 4

 2.6 ndarray的元素类型

2.6.1 整数

2.6.2 浮点

2.6.3 复数