python數組序列,Python中的序列

本文目錄一覽：

• 1、為什麼python數組不用qp=[[0]*4]*4
• 2、python定義一個單位元組類型數組
• 3、怎樣用python將數組裡的數從高到低排序
• 4、python自帶及pandas、numpy數據結構(一)

為什麼python數組不用qp=[[0]*4]*4

因為沒有這個數組類型。

Python中的數組類型有六種，有list可變的動態列表，tuple不可變的列表，array數組是可變的，存儲相同類型的數值，不能存儲對象，字元串序列str數組，bytes對象數組，bytearray對象數組，所以沒有qp這個數組類型，所以才不能用qp等於這個數組。

python定義一個單位元組類型數組

Python中沒有數組的數據結構，但列表很像數組。

和字元串一樣，位元組類型也是不可變序列，而位元組數組就是可變版本的位元組，它們的關係就相當於list與tuple。

位元組（位元組數組）是二進位數據組成的序列，其中每個元素由8bit二進位即1byte亦即2位十六進位數亦亦即0~255組成，位元組是計算機的語言，字元串是人類語言，它們之間通過編碼表形成一一對應的關係。

怎樣用python將數組裡的數從高到低排序

1、首先我們定義一個列表輸入一串大小不一的數字。

2、可以用sort()方法對定義的列表排序，注意，sort只是對列表排序，它沒有返回一個值。

3、輸入print列表名即可得到排序後的列表數據。

4、倒序可以用這個reverse方法，把元素位置倒轉過來。

5、然後再次print列表名，這樣就會得到倒轉順序之後的列表數據。

5、如圖兩相對比即實現了從高到低和從低到高排序。

python自帶及pandas、numpy數據結構(一)

1.python自帶數據結構：序列（如list）、映射（如字典）、集合（set）。

以下只介紹序列中的list：

創建list：

list1 = []

list1 = [1,2,3,4,5,6,7,8,9] #逗號隔開

list2 = [[1,2],[3,4],[5,6],[7,8]] #list2長度(len(list2))為2,list2[0] = [1,2]

liststring = list(「thisisalist」) #只用於創建字元串列表

索引list：

e = list1[0] #下標從零開始，用中括弧

分片list：

es = list1[0:3]

es = list1[0:9:2] #步長在第二個冒號後

list拼接（list1.append(obj)、加運算及乘運算）：

list長度：

list每個元素乘一個數值：

list2 = numpy.dot(list2,2)

list類似矩陣相乘（每個元素對應相乘取和）：

list3 = numpy.dot(list1,list1)

#要求相乘的兩個list長度相同

list3 = numpy.dot(list2,list22)

#要求numpy.shape(list2)和numpy.shape(list22)滿足「左行等於右列」的矩陣相乘條件，相乘結果numpy.shape(list3)滿足「左列右行」

2.numpy數據結構：

Array：

產生array：

data=np.array([[1, 9, 6], [2, 8, 5], [3, 7, 4]])

data=np.array(list1)

data1 = np.zeros(5) #data1.shape = (5,),5列

data1 = np.eye(5)

索引array:

datacut = data[0,2] #取第零行第二列，此處是6

切片array：

datacut = data[0:2,2] # array([6, 5])

array長度：

data.shape

data.size

np.shape(data)

np.size(data)

len(data)

array拼接：

#括弧內也有一個括弧（中括弧或者小括弧）！

d = np.concatenate((data,data))

d = np.concatenate((data,data),axis = 1) #對應行拼接

array加法：逐個相加

array乘法：

d = data data #逐個相乘

d = np.dot(data,data) #矩陣相乘

d = data 3 #每個元素乘3

d = np.dot(data,3) #每個元素乘3

array矩陣運算：

取逆 : np.linalg.inv(data)

轉置：data.T

所有元素求和 : np.sum(data)

生成隨機數：np.random.normal(loc=0, scale=10, size=None)

生成標準正態分布隨機數組：np.random.normal(size=(4,4))

生成二維隨機數組：

np.random.multivariate_normal([0,0],np.eye(2))

生成範圍在0到1之間的隨機矩陣(M,N)：

np.random.randint(0,2,(M,N))

Matrix:

創建matrix：

mat1 = np.mat([[1, 2, 3], [4, 5, 6]])

mat1 = np.mat(list)

mat1 = np.mat(data)

matrix是二維的，所有+，-，*都是矩陣操作。

matrix索引和分列：

mat1[0:2，1]

matrix轉置：

np.transpose(mat1)

mat1.transpose()

matrix拼接：

np.concatenate([mat1,mat1])

np.concatenate([mat1,mat1],axis = 1)

numpy數據結構總結：對於numpy中的數據結構的操作方法基本相同：

創建：np.mat(list),np.array(list)

矩陣乘：np.dot(x,y)

轉置：x.T or np.transpose(x)

拼接：np.concatenate([x,y],axis = 1)

索引：mat[0:1,4],ary[0:1,4]

3.pandas數據結構:

Series:

創建series：

s = pd.Series([[1,2,3],[4,5,6]],index = [『a』,『b』])

索引series：

s1 = s[『b』]

拼接series：

pd.concat([s1,s1],axis = 1) #也可使用s.append(s)

DataFrame:

創建DaraFrame:

df = pd.DataFrame([[1,2,3],[1,2,3]],index = [‘a’,’b’],columns = [‘x’,’y’,’z’])

df取某一列：

dfc1 =df.x

dfc1 = df[『x』]

dfc2 = df.iloc[:,0] #用.iloc方括弧里是數字而不是column名！

dfc2 = df.iloc[:,0:3]

df取某一行：

dfr1 = df.iloc[0]

df1 = df.iloc[0:2]

df1 = df[0:2] #這種方法只能用於取一個區間

df取某個值：

dfc2 = df.iloc[0,0]

dfc2 = df.iloc[0:2,0:3]