数据的维度
维度：一组数据的组织形式
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。使用字典类型或数据表示格式。
Numpy维数组对象：ndarray
使用numpy：import numpy as np
N维数组对象：ndarray
ndarray是一个多维数组对象，由两部分构成：实际的数据、描述这些数据的元数据（数据维度、数据类型等）。ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始。
如何使用ndarray
使用np.array()生成一个ndarray数组（ndarray在程序中的别名是：array），np.array()输出成 [] 形式，元素由空格分割。
属性
ndarray数组的创建和变换
创建方法
从Python中的列表、元组等类型创建ndarray数组。
x = np.array([0,1,2,3]) # 从列表类型创建
print(x)
x1 = np.array((4,5,6,7)) # 从元组类型创建
print(x1)
x2 = np.array([[1,2],[9,8],(0.1, 0.2)]) # 从列表和元组混合类型创建
print(x2)
[0 1 2 3]
[4 5 6 7]
[[ 1. 2. ]
[ 9. 8. ]
[ 0.1 0.2]]使用Numpy中函数创建ndarray数组，如：arange，ones，zeros等。
从字节流（raw bytes）中创建ndarray数组。
从文件中读取特定格式，创建ndarray数组。
转换
对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换。
维度变换
元素类型变换： 数组向列表的转换
ndarray数组的操作
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
ndarray数组的运算
数组与标量之间的运算
NumPy一元函数
对ndarray中的数据执行元素级运算的函数
NumPy二元函数
