Python-数组

1. Python中的数组

形式

用list和tuple等数据结构表示数组

一维数组 list=[1,2,3,4]二维数组 list = [[1,2,3],[4,5,6],[7,8,9]]

array模块

通过安装array模块，利用array函数创建数组。array.array(“B”,range(5))提供append,insert和read等方法

2.ndarray

ndarray是N维数组

Numpy中基本的数据结构所有元素是同一种类型别名为array利用节省内存和提高CPU计算时间

ndarray数组属性

维度(dimensions)称为轴(axis),轴的个数称为(rank)基本属性 　- ndarray.ndim(秩) 　- ndarray.shape(维度) 　- ndarray.size(元素总个数) 　- ndarray.dtype(元素类型) 　- ndarray.itemsize(元素字节大小)

ndarray的创建方法：

arangearraycopyemptyempty_likeeyefromfilefromfunctionidentitylinspacelogspacemgridogridonesones_likerzeroszeros_like >>>import numpy as np >>>aArray = np.array([1,2,3]) >>>aArray array([1,2,3]) >>>bArray = np.array([(1,2,3),(4,5,6)]) >>>bArray array([[1,2,3], [4,5,6]]) >>>np.arange(1,5,0.5) array([1.,1.5,2.,2.5,3.,3.5,4.,4.5]) >>>np.random.random((2,2)) array([[0.7977704,0.1468679],[0.95838379,0.86106278]]) >>>np.linspace(1,2,10,endpoint=False) array([1,1.1,1.2,1.3,1.4,1.5,1.6,1.7,1.8,1.9])

ndarray的运算方法：

summeanstdvarminmaxargminargmaxcumsumcumprod

ndarray的ufunc函数： ufunc(universal function)是一种能对数组的每个元素进行操作的函数。NumPy内置的许多ufunc函数都是在C语言级别实现的，计算速度非常快

addallanyarangeapply_along_axisargmaxargminargsortaveragebincountceilclipconjcorrcoefcovcrosscumprodcumsumdiffdotexpfloor

Series - 基本特征 　- 类似一维数组的对象 　- 由数据和索引组成

from pandas import Series >>> aSer = pd.Series([1,2.0,'a']) >>>aSer 0 1 1 2 2 a dtype:int64 Series的name属性 重要功能 　　- Series对象本身及其索引均有一个name属性 　　- Series的name属性与其他重要功能关系密切

Dataframe

基本特征 　- 一个表格型的数据结构 　- 含有一组有序的列(类似于index) 　- 大致可看成共享一个index的Series集合