前言:
Python
中的数组
用
list
和
tuple
等数据结构表示数组。
list = [1, 2, 3, 4] # 一维数组
list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] # 二维数组
# 通过array函数创建数组
a.array('B', range(5))
1. ndarray
的创建
ndarray是什么?
NumPy 中基本的数据结构所有元素必须是同一种类型的利于节省内存和提高CPU 计算时间有丰富的函数可以利用这种数组对整块数据执行一 些数学运算,其语法跟标量元素之间的运算一样
创建数组最简单的方法是使用
array函数
。 它接受一切序列型的对象,然后产生一个新的含有传入数据的NumPy
数组
arange是Python内置函数range的数组版
import numpy as np
a = np.array([1, 2, 3])
b = np.array([(1, 2, 3), (4, 5, 6)])
np.arange(1, 5, 0.5)
np.arange(5)
zeros产生全0数组
ones产生全1数组
np.zeros(5)
np.zeros((2, 5))
np.ones((2, 3))
empty返回的都是一些未初始化的垃圾值
np.empty((2, 3, 2))
linspace生成等间隔的数列,前两个参数是数列开始和结尾,第三个是数列中元素个数 eye是创建一个正方的N*N单位矩阵(对角线 为1,其余为0)
np.linspace(1, 2, 10, endpoint = False)
np.eye(2)
np.eye(3, k = 1)
'''array([[0., 1., 0.],
[0., 0., 1.],
[0., 0., 0.]])'''
fromfunction:lambda i,j:(i+1)*(j+1) , i 代表 行号,j 代表列号。
s = np.fromfunction{lambda i, j: (i + 1) * (j + 1), (3, 4)}
'''[[ 1. 2. 3. 4.]
[ 2. 4. 6. 8.]
[ 3. 6. 9. 12.]]'''
2. ndarray
的运算
数组和标量之间的运算(应用到元素级)
data = np.array([1, 2, 3], [4, 5, 6])
data * 10
1 / data
相同形状数组之间的运算
a = np.array([(5, 5, 5), (5, 5, 5)])
b = np.array([(2, 2, 2), (2, 2, 2)])
c = a * a
a += b
不同形状数组之间的算术运算:广播
a = np.array([1, 2, 3])
b = np.array([[1, 2, 3], [4, 5, 6]])
a + b
3.
数组属性的相关操作
ndarray数组属性
– 维度( dimensions )称为轴(axes),轴的个数称为秩(rank)– 基本属性• ndarray.ndim (秩)• ndarray.shape (维度)• ndarray.size (元素总个数)• ndarray.dtype (元素类型)• ndarray.itemsize (元素字节大小)
ndarray数组重塑
ndarray.reshape():
向reshape传入一个表示新形状的元组(tuple),可将数组从一个形状转换为另一个形状有返回值,即不对原始多维数组进行修改。
ndarray.resize():
无返回值,即会对原始多维数组进行修改
a = np.array([(1, 2, 3), (4, 5, 6)])
b = a.reshape(3, 2)
a.resize(3, 2)
a = np.array([[1, 2, 3], [4, 5, 6]])
b = a.reshape((3, 2)).reshape((2, 3))
c = b.reshape(6,) # 将b转换为一维数组,与(6,1)不一样,后者是一个二维数组
d = c.reshape((3, -1)) # -1,表示该维度的大小由数据本身推断而来
ndarray.ravel()
:
将多维数组散开成一维数组。不会产生源数据的副本。
数组创建的优先顺序:
默认,
numpy
是按行优先顺序创建 行和列优先顺序分别称为C
和
Fortran顺序(order= 'C'
和
order='F')
reshape
和
reval
都可以接受一个表示数组数据存放顺序的order
参数。
a.ravel()
a.ravel('F')
a.reshape((6,), order = 'F')
a.reshape((6,), order = 'C')
np.flatten() # 会返回数据的副本
ndarray数组的合并
np.vstack(a, b) # 以面向行的方式对数组进行堆叠(沿轴0)
np.hstack(a, b) # 以面向列的方式对数组进行堆叠(沿轴1)
ndarray数组转置
arr = np.arange(10).reshape((2, 5))
arr.T
计算矩阵内积
np.dot()
ndarray.transpose()
:
将所有的元素按
(
轴
1
,轴
0,
轴2)
的顺序重新排列。原来
4
的编号为(0,1,0)
,
transpose
以后,
4
的编号变为(1,0,0)
arr.transpose((1, 0, 2))
4. ndarray
的切片、索引
a = np.array([(1, 2, 3), (4, 5, 6)])
a[1] # [4 5 6]
a[0:2]
'''[[1 2 3]
[4 5 6]]'''
a[:,[0, 1]]
'''[[1 2]
[4 5]]'''
a[1, [0, 1]] # [4, 5]
for row in a:
print(row)