python数据分析及可视化（三）Numpy创建多维数组、修改数组维度、数组的切片、替换等基本操作_多维数组 可视化

Numpy介绍

C语言是静态型语言，为了规范变量的内存空间，声明变量的时候会在前面增加数据类型。比如 int res = 0 ，不可以为 int res =1.5
Python是动态型语言，通过值来判断数据类型的。如 res = 3.1，res =‘3.1’。
python是动态类型语言，通过值来判断变量的类型。
大多数人存储数据的时候喜欢放到列表里，因为列表易于操作，不限制数据类型（如布尔型、浮点、整型、字符串、列表、字典等）。但是用列表进行计算的时候，不同类型的数据同时进行运算，运行的速度会变慢，列表与列表进行运算，速度比较慢。
在C语言中，开辟了整型的内存地址空间，在里面只能存储整型的数据，里面只有数据；而python的内存地址中，除了存放变量还存放数据对象头(pyobject_HEAD)，里面会告诉所存放的数据类型。在列表中存放数据，L = [ 5,4,2,3]，在存储的时候不只是存放了这几个数，还有一部分内存用来存储容器的头和长度等，定义了一个列表后可以通过len函数统计列表的长度，每一个元素的类型。列表可以存放任意类型的数据，对列表进行运算的时候就要考虑列表存放的数据类型是否一致，比如要对一个列表整体的除以2，但是列表中可以有整型，浮点型，布尔类型，字符串等，在运算的时候要先看数据类型，这样运算速度就比较慢。
这时候就引入了基于C语言创建的Numpy库，库中提供了Numpy数组对象，不用担心数组对象的类型，类型必须要保持一致，要么都是整型，要么都是浮点型，那么在做数组运算的时候就比较方便。比如全班同学的手机接口都相同，要充电的时候每个接口都可以用，如果每个人的接口都不一样，充电的时候就比较麻烦。
基于C语言创建的Numpy库，提供了数组对象，它中的数据类型必须要保持一致，都是整型或者浮点型，比如所有人的手机都相同，那么充电就比较方便，每一个接口都可以用。

安装numpy： pip install numpy
1

Numpy特点

Numpy(Numerical Python)是目前Python数值计算中最为重要的基础包。大多数计算包都提供了基于Numpy的科学函数功能，将Numpy的数组对象作为数据交换的通用语，以数组对象作为数据容器。
● 提供高效多维数组，C语言搭建的
● 提供了基于数组的便捷算术操作以及广播机制
● 对数据进行快速的矩阵计算
● 对硬盘中数组数据进行读写操作

Numpy的基础使用

创建数组

1.通过列表、元组、字符串以传参的形式创建数组（np.array(列表、元组、字符串)），数组中的数据类型必须一致，如有一个是浮点型，创建时所有的数据均为浮点型。
2.也可以直接创建数组，np.arange()，生成范围数组对象，跟range()用法相似。
3.通过numpy自带的方法创建。


可以用dtype指定输出的数组元素的数据类型

Numpy中数组元素的类型表

通过numpy自带的方法创建

创建多维数组

通过中括号的数量来判断是几维数组，array表示数组，ndarray表示多维数组。

数组属性

通过秩（ndim）、形状（shape，元组内有几个数就是几维）来判断数组是几维的，通过size查看数组中数据的个数。

数组维度转换

一维转为多维

通过reshape把一维转换为多维，reshape内的数（有几个数就是几维）相乘必须为数据的个数。

多维转为一维

1.通过reshape转换，要先知道数据的个数
2.通过flatten直接转换，不需要传入任何参数，改变数据不会影响原数组
3.通过ravel直接转换，不需要传入任何参数，改变数据会改变原来的数组

通过ravel直接转换，不需要传入任何参数，改变数据会改变原来的数组

数组操作

数组操作跟列表的相关操作类似

把数据看成矩形，通过坐标取值，0代表行，4代表列

切片

连续切片和不连续切片的取值

布尔索引

直接拿数值与数值中的数进行比较，把得到的结果作为索引进行取值。取反操作时，要注意对参与比较的数值本身的取值。

可以进行数据范围内取值，也可以批量修改数组中的数值，但要注意指定列表修改时，数据个数必须一一对应。where执行的时候类似if的操作，满足得到结果，否则就是另一个结果。

值的替换

可以用索引取值，然后进行赋值，也可以对一行或者对应的每一个数据一一对应进行重新赋值。

数组形状

reshape修改数组的维度，会有返回值，原数组不会发生变化；resize修改维度后没有返回值，会在原数组上直接改变。

练习题