目录
6.案例（用numpy创建一个二维或多维正态分布随机数，保留符合[0, 1)的数，然后求平均值）
1.数据的维度
一维数据:
一维数据由对等关系的有序或无序数据构成，采用线性方式组织。对应列表、数组和集合等概念。
列表和数组：一组数据的有序结构。
区别：
列表：数据类型可以不同
数组：数据类型相同
二维数据：
二维数据由多个一维数据构成，是一维数据的组合形式。
表格是典型的二维数据。其中，表头是二维数据的一部分
多维数据：
多维数据由一维或二维数据在新维度上扩展形成。例如增加时间维度的表格
高维数据：
高维数据仅利用最基本的二元关系展示数据间的复杂结构。利用键值对将数据组织起来的形成的数据关系。
数据维度的Python表示
一维数据：列表（有序）和集合（无序）类型
二维数据：列表类型
多维数据：列表类型
高维数据：字典类型或数据表示格式（JSON、XML、YAML）
2.numpy的数组对象：ndarray
NumPy是一个开源的Python科学计算基础库。NumPy提供了一个强大的N维数组对象ndarray，广播功能函数，整合C/C++/Fortran代码的工具，线性代数、傅里叶变换、随机数生成等功能。
- np.array()生成一个ndarray数组
- ndarray在程序中的别名是：array
引用格式：
import numpy as np3.ndarray数组的创建和变换
（1）从Pyhton中的列表、元祖等类型创建ndarray数组
x = np.array(list/tuple)
x = np.array(list/tuple,dtype=np.float32)当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型
（2）使用Numpy中函数创建ndarray数组，如：arange，ones，zeros等
reshape和resize：
reshape不修改原始数据
resize修改原始数据
4.ndarray数组的操作
ndarray数组的类型变换：new_a = a.astype(new_type)
如：a = np.ones((2,3,4), dtype=np.int)
ndarray数组向列表的转换
ls = a.tolist()
索引：获取数组中特定位置元素的过程
In [54]: a = np.arange(24).reshape((2,3,4))
In [55]: a
Out[55]:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
In [56]: a[1,2,3] # 每个维度一个索引值，逗号分割
Out[56]: 23
In [57]: a[0,1,2]
Out[57]: 6
In [58]: a[-1,-2,-3]
Out[58]: 17切片： 获取数组元素子集的过程
In [59]: a[: , 1, -3] # 选取一个维度用
Out[59]: array([ 5, 17])
In [60]: a[: , 1:3, :] # 每个维度切片方法与一维数组相同
Out[60]:
array([[[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[16, 17, 18, 19],
[20, 21, 22, 23]]])
In [61]: a[: , :, ::2] # 每个维度可以使用步长跳跃切片
Out[61]:
array([[[ 0, 2],
[ 4, 6],
[ 8, 10]],
[[12, 14],
[16, 18],
[20, 22]]])5.ndarray数组的运算
6.案例（用numpy创建一个二维或多维正态分布随机数，保留符合[0, 1)的数，然后求平均值）
#用numpy创建一个二维或多维正态分布随机数，保留符合[0, 1)的数，然后求平均值
import numpy as np #导入numpy库，别名np
a=np.random.randn(3,3) #创建一个三行三列的正态分布随机数
b=a[(a>=0)&(a<1)] #取出>=0并且<1的随机数，并赋值给b
print("a",a)
print("b",b)
print(b.mean()) #取平均值
输出结果：
学习视频：
Python数据分析与展示 - 北京理工大学(最全)_哔哩哔哩_bilibili