数组和属性
NumPy的基本对象是np数组,使用专用的数据结构来存储数值,在科学计算的效率上要优于原始的Python代码,下面记录关于np数组的一些基本操作。
创建一个ndarray
使用array()函数
array = np.array([[1,2,3],[2,3,4]])
可用这两个参数指定生成数组的维度和元素类型
dtype:datatype
ndmin : n dimension
np.array([1, 2, 3], ndmin=2)
np.array([1, 2, 3], dtype=complex)
返回对象:
array([[1, 2, 3]])
array([ 1.+0.j, 2.+0.j, 3.+0.j])
初始化特殊数组
创建全0数组
np.zeros((3,4)) #参数为元组,生成3行4列的二维数组
创建全空数组
np.empty((3,4)) #同上,元素为接近0的极小值
创建连续数组
np.arange(0,10,2) #参数分别为起始值,终止值和步长
缺省起始值为0,步长为1
ndarray的属性
dtype
对于dtype,NumPy自带类型支持整型,浮点型,复数型,均附有转化函数,例如float64(42) #输出为 42.0
需要注意:复数无法转化为其他类型
shape
shape返回的维度以元组形式表示,元组中的元素为对应维的大小,元组大小表示维数
array = np.array([[1,2,3],[2,3,4]]) print('shape',array.shape) #每个维度的大小
output:shape (2, 3)
ndim
返回数组的维数(整型)
array = np.array([[1,2,3],[2,3,4]]) print('\nnumber of dim',array.ndim) #维数
output:number of dim 2
size
返回数组的元素数量(整型) print('size',array.size) #元素数量
output:size 6
除此之外,还有itemsize(该数据类型占用内存大小),nbytes(总占用空间即size*itemsize),
real(复数实部),imag(复数虚部),flat(扁平迭代器)等属性。