2

2020-03-01 138浏览

1.第 2 周：多维数组对象徐波 xubo@dhu.edu.cn
2.多维数据计算 • 数据分析的数据组织方式 • 向量、矩阵 • 高效计算 • NumPy 库提供了多维数组 ndarray • 支持丰富数据表示方式 • Anaconda 环境中已安装 >>> import numpy as np •ndarray:NumPy 核心 • N-dimensional array, N 阵数阵 • 相同数据阵阵型的元素阵阵阵阵阵成的多阵阵阵阵数阵 • 数组大小需事先指定
3.案例 2-1 ：学生课程考试成绩 • 5 位同学参加了学业水平考试，考试科目共 7 门 Englis Chines Python h e Art Databa se Physic s 90 82 84 89 80 75 80 92 90 93 88 87 86 90 91 80 82 91 88 83 86 80 88 72 78 90 91 73 80 姓名 Math 王微 70 85 77 肖良英 60 64 方绮雯 90 刘旭阳钱易铭
4.2.1.1 一维数组对象 • 创建一维数组分别保存学生姓名和考试科目，访问数组元素 • np.array( ) ，基于列表创建一维数组 >>> names = np.array([' 王微 ', ' 肖良英 ', ' 方绮雯 ', ' 刘旭阳 ',' 钱易铭 ']) >>> names array([' 王微 ', ' 肖良英 ', ' 方绮雯 ', ' 刘旭阳 ',' 钱易铭 ', dtype='>> subjects = np.array(['Math', 'English', 'Python', 'Chinese','Art', 'Database', 'Physics']) >>> subjects array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database', 'Physics'], dtype='5.一维数组访问 >>> names array([' 王微 ', ' 肖良英 ', ' 方绮雯 ', ' 刘旭阳 ',' 钱易铭 ', dtype='>> subjects array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database', 'Physics'], dtype='>> names.ndim # 数组维度 1 >>> names.size # 数组元素个数 5 >>> names.dtype # 数组数据类型 dtype('>> names[2] ' 方绮雯 ' >>> subjects[-3] 'Art'6.一维数组切片 >>> names array([' 王微 ', ' 肖良英 ', ' 方绮雯 ', ' 刘旭阳 ',' 钱易铭 ', dtype='>> subjects array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database', 'Physics'], dtype='>> subjects[ [0,2,4] ] # 两层括号， [0,2,4] 为索引列表 array(['Math', 'Python', 'Art'], dtype='start:end:step
5.一维数组访问 >>> names array([' 王微 ', ' 肖良英 ', ' 方绮雯 ', ' 刘旭阳 ',' 钱易铭 ', dtype='>> subjects array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database', 'Physics'], dtype='>> names.ndim # 数组维度 1 >>> names.size # 数组元素个数 5 >>> names.dtype # 数组数据类型 dtype('>> names[2] ' 方绮雯 ' >>> subjects[-3] 'Art'
6.一维数组切片 >>> names array([' 王微 ', ' 肖良英 ', ' 方绮雯 ', ' 刘旭阳 ',' 钱易铭 ', dtype='>> subjects array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database', 'Physics'], dtype='>> subjects[ [0,2,4] ] # 两层括号， [0,2,4] 为索引列表 array(['Math', 'Python', 'Art'], dtype='start:end:step