Python-数组
来源:互联网 发布:模架编程培训要多久 编辑:程序博客网 时间:2024/06/07 03:24
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:
>>>import numpy as np>>>aArray = np.array([1,2,3])>>>aArrayarray([1,2,3])>>>bArray = np.array([(1,2,3),(4,5,6)])>>>bArrayarray([[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:
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
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'])>>>aSer0 11 22 adtype: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
- 重要功能
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
阅读全文
0 0
- Python-数组
- python 数组
- python数组
- Python 数组
- Python-数组
- Python的数组
- Python中的数组
- Python的数组
- Python创建二维数组
- python 数组 队列 堆栈
- python 二维数组
- Python数组定义
- Python 二维数组
- Python 空数组用法
- Python中的数组
- python数组的使用
- Python的二维数组
- python数组的使用
- java学习笔记《java从入门到精通》
- Matlab数值分析K-means聚类算法
- 交换机架构补充RMII
- [错排] BZOJ2034:「SDOI2016」排列计数
- 区块链资料不断收集
- Python-数组
- TabLayout中的Tab间隔设置方法
- 滑动窗:Subsequence
- 日志系列之Log4j2 Garbage-free模式
- [USACO3.1]最短网络 Agri-Net kruskal
- Kotlin_Recyclerview_Rxjava的封装
- android编译中的BUILD_JAVA_LIBRARY
- CentOS6.5系统"libc.so.6: version 'GLIBC_2.15' not found"解决方法
- 智能合约语言 Solidity 教程系列3