jupyter notebook多维数组运算_python入门：一维数组与二维数组

数组，顾名思义，是数据的组合。它数组在应用上属于数据的容器，不仅仅是一种基础的数据类型，更是一种基础的数据结构。你如果使用python编程，那么一定会非常频繁地跟数组打交道。

Python中，Numpy（常用于数学计算）和Pandas（数据分析常用包，可方便地对表结构进行分析）这两个常用的数据包均可以用于表示数组。

1. 一维数组

（1）Numpy一维数组

在python中，用列表也可以表示数组，但是用Numpy表示的一维数组具有统计功能（如平均值mean()，标准差std()）和向量化运算功能，这是列表不具有的。

在定义一维数组之前，我们需要先导入numpy包。用array定义一维数组，用dtype查看数据类型，数组的下标从零开始。

#导入numpy包

数组的访问有切片访问和循环访问两种，切片访问更常用，也更方便。

#切片访问（常用）

（2）pandas一维数组

pandas一维数组可以用Series建立索引，用index来指定索引，这样，访问时就可以通过索引来访问数组。

#导入pandas包

iloc属性用于根据位置获取值，loc属性用于根据索引获取值

stockS

describe用于获取描述统计信息。

pandas一维数组也支持向量运算。在下图的向量运算中，结果出现了空值，这是因为运算中的某一个数据为空

在运算中，我们经常不希望结果中出现空值，要想得到没有空值的结果，我们需要对数据进行处理。一种方式是将缺失值删除。pandas中用dropna删除缺失数据。第二种方法则是将缺失值进行填充，填充时，要根据实际情况，确定可以直接用零数据填充，还是需要建立模型，计算出填充值。pandas中用add进行值的填充，fill_value为填充值（下图填充值为0）

2. 二维数组

（1）NumPy二维数组

NumPy中，二维数组与一维数组的定义、查询及访问均非常类似。数组下标均从零开始，行号与列号用逗号分隔，行号在前，列号在后。

#Numpy二维数据结构

在计算平均值、最大最小值等统计值时，我们通常希望对每一行或者每一列求其统计值，而不是对整个数组求其统计值，这时就需要使用数轴参数axis。axis = 0表示按列计算，axis = 1表示按行计算。

#按轴计算每一行的平均值

接下来的内容，由于程序输出结果复杂，作者直接将在jupyter的运行截图放在文中，以便读者更直观地了解二维数据的相关操作。

（2）pandas二维数组

Numpy二维数组每一列的数据类型都是一样的，因此它不适合保存excel表格这样每一列的数据类型都不一样的数据。此时，pandas二维数组就可以发挥它的巨大作用了。

pandas用数据框DataFrame定义二维数组，他有两个优点，一个是它每一列的数据类型都可以不一样，第二个是它每一行每一列都有一个索引，可以方便地通过索引访问数据。

在用pandas数据框DataFrame定义带索引的二维数组时，首先要定义一个字典，映射列名和对应列的值；其次，定义数据框，将参数传入字典。

如果希望传入数组中的数据跟我们定义的顺序是一致的，需要定义一个有序字典。

pandas二维数组的数据访问与一维数组类似。

iloc属性用于根据位置查询值

loc属性用于根据索引查询值

有时候，我们需要根据条件查询出数组中符合条件的数据，这可以通过建立条件判断筛选和应用查询条件来实现。

建立条件判断筛选

应用筛选条件

3. 从Excel中导入数据

用python读取excel中的数据也非常方便。pandas.ExcelFile(在计算机的存储路径名)可用于读取Excel数据，head()可用于输出前五行数据，shape可用于查看行数和列数。

4. 结束语

前路漫漫，雁过无痕，心之所向，热血仍存。

在学习python的路上，你我一起努力。