python numpy

NumPyndarray对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

例1

import numpy as np 
a = np.array([1,2,3])  
print (a)

输出结果如下：

[1 2 3]

例2

# 多于一个维度  
import numpy as np 
a = np.array([[1,  2],  [3,  4]])  
print (a)

输出结果如下：

[[1  2] 
 [3  4]]

array 函数 : numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数说明：

名称	描述
object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

---

NumPy数组属性

ndarray.ndim

ndarray.ndim 用于返回数组的维数，等于秩。

import numpy as np  
 
a = np.array([[1,2,3],[4,5,6]])  
print (a.ndim)

输出结果为：

2

ndarray.shape

ndarray.shape返回的是一个二维数组，数组中的值分别表示行数和列数。

import numpy as np  
 
a = np.array([[1,2,3],[4,5,6]])  
print (a.shape)

输出结果为：

(2, 3)

ndarray.shape也可以调整数组的形状（维度）。

import numpy as np 
 
a = np.array([[1,2,3],[4,5,6]]) 
a.shape =  (3,2)  
print (a)

输出结果为：

[[1 2]
 [3 4]
 [5 6]]

除此之外，numpy也提供了 reshape 函数来调整数组大小。

import numpy as np 
 
a = np.array([[1,2,3],[4,5,6]]) 
a = a.reshape(3,2)  
print (a)

输出结果为：

[[1 2]
 [3 4]
 [5 6]]

---

NumPy创建数组

numpy.zeros

创建指定大小的数组，数组元素以 0 来填充：numpy.zeros(shape, dtype = float)

import numpy as np
 
# 默认为浮点数
x = np.zeros(5) 
print(x)
 
# 设置类型为整数
y = np.zeros((5,), dtype = np.int) 
print(y)
 
# 自定义类型
z = np.zeros((2,2), dtype = [('x', int), ('y', float)])  
print(z)

输出结果为：

[0. 0. 0. 0. 0.]
[0 0 0 0 0]
[[(0, 0.) (0, 0.)]
 [(0, 0.) (0, 0.)]]

numpy.ones用法同上

---

从已有的数组创建数组

numpy.asarray

numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。
numpy.asarray(a, dtype = None, order = None)

实例：

import numpy as np 
 
x =  [1,2,3] 
a = np.asarray(x)  
print (a)

---

NumPy 从数值范围创建数组

numpy.arange

numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下：numpy.arange(start, stop, step, dtype)
根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。

参数说明：

参数	描述
start	起始值，默认为0
stop	终止值
step	步长，默认为1
dtype	返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。

生成 0 到 5 的数组:

import numpy as np
 
# 设置了 dtype
x = np.arange(5, dtype =  float)  
print (x)

输出结果如下：

[0.  1.  2.  3.  4.]

设置了起始值、终止值及步长：

import numpy as np
x = np.arange(10,20,2)  
print (x)

输出结果如下：

[10  12  14  16  18]