(2)numpy数组的构建和属性

numpy在python中，是一个非常便捷的第三方包，在应用中，numpy向我们提供了许多方法，这里就不得不提到numpy数组的构建和属性。

在numpy中，提供了多种快捷构建数组的方法，接下来将一一介绍：

【构建数组】

【方法一】：用数字“1”填充数组：

# 用数字“1”填充高维数组：
# 构造一个三行三列的高维数组：
# shape=()：括号内输入数组维度
# 此处“dtype=None, order="C"”可以省略
array_1 = np.ones(shape=(3, 3), dtype=None, order="C")
print(array_1)

运行结果：

 【方法二】：用数字“0”填充数组：

# 用数字“0”填充高维数组：
# 构造一个五行五列的高维数组：
array_2 = np.zeros(shape=(5, 5))
print(array_2)
# 构建一个三维numpy数组:
array_2_0 = np.zeros(shape=(2, 2, 2))
print(array_2_0)

运行结果：

 

 【方法三】：用指定数字填充数组：

# 用指定数字填充高维数组：
# fill_value=:等号后面输入被填充的数字：
array_3 = np.full(shape=(3, 3), fill_value=6)
print(array_3)

运行结果：

 【方法四】：生成单位矩阵：

# 单位矩阵：（重要）
# N=：等号后面填入数组的第一维度，也就是行数
# M=：等号后面填入数组的第二维度，也就是列数
array_4 = np.eye(N=5, M=5)
print(array_4)
# k=：等号后面填入的数字是几，会将主对角线向右移动几个单位
array_4_0 = np.eye(N=5, M=5, k=1)
print(array_4_0)

运行结果：

 【方法五】：生成等差数组：关注元素个数

# 生成等差数列：（关注元素的个数）
# np.linspace(a,b,c,endpoint=):
# a:起点（包含）
# b:终点：
# 情况一：当endpoint=False时，终点将不包含b
# 情况二：当endpoint=True时，终点包含，默认情况下，重点包含
# c:数组元素个数（数字个数）
# 此处需要引入一个概念，等差数列A(n+1)-A(n)=A(n)-A(n-1)
# 不包含终点：
array_5 = np.linspace(1, 10, 10, endpoint=False)
print(array_5)
# 包含终点：
array_5_0 = np.linspace(1, 10, 10, endpoint=True)
print(array_5_0)

运行结果：

【方法六】：生成等差数组：关注公差大小

# 生成等差数列：（关注公差的大小）
# step=：等号后面为步长，也就是公差
array_6 = np.arange(0, 10, step=2)
print(array_6)

运行结果：

 【方法七】：生成有随机整数构成的数组：

# 生成元素为随机整数：
# np.random.randint(a, b, size=)
# a：起点
# b：终点
# size=()：生成矩阵的规格
array_7 = np.random.randint(0, 100, size=(5, 5))
print(array_7)

运行结果：

 【方法八】：生成元素复合正态分布的数组：

# 标准正态分布：
array_8_0 = np.random.randn(3, 5)
print(array_8_0)
# 常规正态分布：
# np.random.normal(loc=期望,scale=方差)
array_8_1 = np.random.normal(loc=170, scale=5, size=(2, 2))
print(array_8_1)

运行结果：

 

【方法九】：生成元素为从0-1的随机小数的数组：

# 生成从0-1的随机小数：
array_9 = np.random.random(size=10)
print(array_9)

运行结果：

【方法十】：生成由固定区间内，随机索引构成的数组：

# 生成固定区间内的随机索引：
# 生成从0-10之间的随机索引：
array_10 = np.random.permutation(10)
print(array_10)

运行结果：

 

 【数组属性】

ndim：维度
shape：形状（各维度的长度）
size：总长度
dtype：元素类型

arr = np.random.randint(0, 100, size=(3, 4, 4))
# 获取数组arr维度：
print("arr维度:", arr.ndim)
# 获取数组arr形状：
print("arr形状:", arr.shape)
# 获取数组arr总长度：
print("arr总长度:", arr.size)
# 获取数组arr元素类型：
print("arr元素类型:", arr.dtype)

运行结果：