NumPy 数组对象 ndarray

NumPy 数组对象 ndarray

数组创建

① numpy.array(object,dtype = Nome,copy = True,order = ‘K’,subok = False,ndmin = 0)

使用NumPy 需要导入Numpy库:

import numpy

eg.
创建一维数组

a = numpy.array( [ 1,2,3,4] )

在这里插入图片描述

创建二维数组

a = numpy.array([[1,2,3],[4,5,6],[7,8,9]]) 

在这里插入图片描述
②numpy.arange(start,stop,step,dtype=None)
这里[start,stop] 是左闭右开的区间 step 是步长 创建一个 等差数组

numpy.arange(0,10,2,dtype=None)

在这里插入图片描述
③ 创建全0 数组

 numpy.zeros(shape,dtype,order="C")

在这里插入图片描述

np.zeros_like()

这里的a2 在上面已经创建了 这里也可以看出两个函数创建的不同
在这里插入图片描述
④ 全一数组

 np.ones(shape,dtype,order)
np.ones_like()

这个函数和上面的函数用法相似,但里面元素全是1,这里就不举例了

⑤ 对角矩阵数组
用来创建对角矩阵数组,即 N*N 的二维矩阵,对角线为 1,其余为 0:

numpy.eye(N,M=None,k=0,dtype=None,order='C)

N: int 型,表示的是输出的行数。
M:int 型,可选项,输出的列数,如果没有就默认为 N。
k:int 型,可选项,对角线的下标,默认为0表示的是主对角线,负数表示的是低对角,正数表示的是高对角。
dtype:数据的类型,可选项,返回的数据的数据类型。

在这里插入图片描述
⑥生成等差数列一维数组 np.linspace()

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

在指定的间隔 [“start”,“stop”] 内均匀地返回数字。返回“num”个等间距的样本。
endpoint 是一个 bool 类型的值,如果为 “Ture”,“stop"是最后一个值,如果为"False",生成的数组不会包含 “stop” 值
retstep 也是一个 bool 类型的值,如果为"Ture",会返回样本之间的间隙。

在这里插入图片描述
⑦np.logspace() 创建等比数组

⑧ np.full() 构造一个数组

用法和linspace 差不多,这里也不举例了
⑨numpy.diag(v,k = 0)
k:int 型,可选项,对角线的下标,默认为0表示的是主对角线,负数表示的是低对角,正数表示的是高对角。
在这里插入图片描述
⑩创建随机数组

numpy.random.randint(low, high=None, size=None, dtype=int)

生成一个范围在low - high 内的整数 size 个

numpy.random.rand(10)

0到1的均匀分布

numpy.random.randn(10)

标准正态分布

numpy.random.normal(0,1,100)

生成指定正态分布

numpy.random.random(20)

0到1的均匀分布

numpy.random.uniform(-1,1,100)

指定均匀分布

常用属性
ndarray.ndim,获取数组的维数;
ndarray.shape,获取数组的维度;
ndarray.size,获取元素的个数;
ndarray.dtype,元素的数据类型;
ndarray.itemsize,每个元素的字节大小;
ndarray.T,获取数组对象转置数组;
ndarray.nbytes,总字节数;
ndarray.real,获取复数分实部;
ndarray.imag ,获取复数的虚部;
ndarray.data,包含实际数组元素的缓冲区;
ndarray.flags,返回数组对象内部信息;
ndarray.base,若一个数组存在基类数组,用base可获取基类数组。

访问数组

arr = np.arange(10)
print(arr[5])

用整数作为下标可以获取数组中的某个元素

在这里插入图片描述
可以切片

print(arr[3:6])

在这里插入图片描述
这里可以妙用切片,用来修改数组里的元素都可以

多维数组的索引

arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(arr[1,1:3])

在这里插入图片描述

改变数组的形状

arr = np.arange(12)
print(arr)
arr.reshape(3,4)

reshape 里面的参数对应 行和列
注意: 这里会改变数组的维度
在这里插入图片描述
展平数组

arr = np.arange(12).reshape(2,6)
print(arr)
arr1 = arr.ravel()
print(arr1)

在这里插入图片描述
组合数组
np.hstack(a,b)实现a,b数组横向组合

a = np.arange(6).reshape(2,3)

b = np.arange(6,12).reshape(2,3)
print(a)
print(b)

np.hstack((a,b))

在这里插入图片描述
np.h=vstack(a,b)实现a,b数组纵向组合

np.vstack((a,b))

在这里插入图片描述
concatenate 函数也有相同的效果

np.concatenate((a,b),axis = 1)  # 横向
np.concatenate((a,b),axis = 0) # 纵向

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值