• 1.Python語言開發工具選擇
  • ①IPython
• 2.Numpy庫入門
  • ①資料維度
  • ②資料維度的 Python表示
  • ③NumPy的資料物件：ndarray
    • （1）NumPy介紹
    • （2）NumPy的引用
    • （3）N維陣列物件：ndarray
    • （4）ndarray例項
    • （5）ndarray物件的屬性
    • （6）ndarray的元素型別
    • （7）非同質的 ndarray物件
    • （8）ndarray陣列的建立方法

1.Python語言開發工具選擇

①IPython

• IPython是一個功能強大的互動式she11適合進行互動式資料視覺化和GUI相關應用

• IPython的%魔術命令

a = np.random.randn(1000, 1000)

%timeit np.dot(a, a)
10 loops, best of 3: 85.7 ms per loop

%who
a        np
%hist    
%who
import numpy as np 
a = np.arrange(10)
print(a)
 

IPython前臺解釋指令碼 Python直譯器對程式進行執行

​

2.Numpy庫入門

①資料維度

• 一維資料

  • 一維資料由對等關係的有序或無序資料構成，採用線性方式組織
  • 對應列表、陣列和集合等概念

• 列表與陣列（一組資料的有序結構）

  • 區別
    • 列表：資料型別可以不同
    • 陣列：資料型別相同

• 二維資料

  • 二維資料由多個—維資料構成，是一維資料的組合形式
  • 表格是典型的二維資料其中，表頭是二維資料的一部分

• 多維資料

  • 多維資料由一維或二維資料在新維度上擴充套件形成

• 高維資料

  • 高維資料僅利用最基本的二元關係展示資料間的複雜結構

②資料維度的 Python表示

• 一維資料：列表和集合型別

• 二維資料：列表型別

• 多維資料：列表型別

• 高維資料：字典型別或資料表示格式， JSON、XML和YAML格式

③NumPy的資料物件：ndarray

（1）NumPy介紹

• NumPy是一個開源的 Python科學計算基礎庫，包含：

  • 一個強大的N維陣列物件 ndarray
  • 廣播功能函式
  • 整合C/C++/ Fortran程式碼的工具
  • 線性代數、傅立葉變換、隨機數生成等功能

• NumPy是 SciPy、 Pandas等資料處理或科學計算庫的基礎

（2）NumPy的引用

import numpy as np 
 

（3）N維陣列物件：ndarray

• Python已有列表型別，為什麼需要一個數組物件（型別）？

  • 陣列物件可以去掉元素間運算所需的迴圈，使一維向量更像單個數據
  • 設定專門的陣列物件，經過優化，可以提升這類應用的運算速度

• 科學計算中，一個維度所有資料的型別往往相同

  • 陣列物件採用相同的資料型別，有助於節省運算和儲存空間