标签：组元 numa plot div str python语言 存储 family 下标
数据分析是指,用适当的统计分析方法,对收集来的大量数据进行分析，提取有用信息并形成结论,从而实现对数据的详细研究和概括总结的过程。
1. numpy 基础数值算法 2. scipy 科学计算 3. matplotlib 数据可视化 4. pandas 序列高级函数
1. Numerical Python，数字的Python，弥补了Python语言所欠缺的数值计算能力。 2. Numpy是其它数据分析及机器学习库的底层库。 3. Numpy完全标准C语言实现，运行效率充分优化。 4. Numpy开源免费。
1. 1995年，Numeric，Python语言数值计算扩充。 2. 2001年，Scipy->Numarray，多维数组运算。 3. 2005年，Numeric+Numarray->Numpy。 4. 2006年，Numpy脱离Scipy成为独立的项目。
1. 代码简洁：减少Python代码中的循环。
2. 底层实现：厚内核(C)+薄接口(Python)，保证性能。
1.Numpy中的数组是numpy.ndarray类实例化的对象，其中包括：
元数据（metadata）：存储对目标数组的描述信息，如：shape、dtype、size、data等,
实际数据：完整的数组数据
将实际数据与元数据分开存放，一方面提高了内存空间的使用效率，另一方面大部分对数组的操作仅仅是对元数据的操作,从而减少对实际数据的访问频率，提高性能。
2.ndarray数组的特点:
1 import numpy 2 3 #numpy.ndarray类的对象表示数组 4 ary=numpy.array([1,2,3,4,5,6]) 5 print(ary,type(ary)) #[1 2 3 4 5 6] <class ‘numpy.ndarray‘> 6 7 #ndarray的运算规则:数组一个矩阵 8 ary=ary+10 9 print(ary) #[11 12 13 14 15 16] 10 11 ary=ary+ary #个数对应才能运算 12 print(ary)#[22 24 26 28 30 32] 13 14 ary=ary>30 #比较运算 15 print(ary) #[False False False False False True]
1 import numpy 2 3 #1.numpy.array() 4 a1=numpy.array([[1,2,3],[4,5,6]]) 5 print(a1,type(a1)) #[[1 2 3][4 5 6]] 6 7 #2.numpy.arange() 8 a2=numpy.arange(0,10,2) 9 print(a2,type(a2)) #[0 2 4 6 8] 10 11 #3.numpy.zeros() 12 a3=numpy.zeros((10,),dtype=‘float32‘) 13 print(a3,type(a3)) #[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 14 15 #4.numpy.ones() 16 a4=numpy.ones((2,3),dtype=‘int32‘) 17 print(a4,type(a4)) #[[1 1 1][1 1 1]] 18 19 #numpy.ones_like() numpy.zeros_like() 20 #构建一个结构与a1相同的全1数组 21 print(numpy.ones_like(a1)) #[[1 1 1][1 1 1]]
标签：组元 numa plot div str python语言 存储 family 下标
原文地址：https://www.cnblogs.com/lennie-luo/p/11773739.html
