一、认识和创建数组
1.认识NumPy数组对象
NumPy中最重要的一个特点就是其N维数组对象,即ndarray(别名array)对象,该对象可以执行一些科学计算。
ndarray对象中定义了一些重要的属性。
![](https://img-blog.csdnimg.cn/3e31d9b070684036bf4edb041a3d4df0.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAV0cxODY3OQ==,size_20,color_FFFFFF,t_70,g_se,x_16)
2.创建NumPy数组
最简单的创建ndarray对象的方式是使用array()函数,在调用该函数时传入一个列表或者元组。
import numpy as np
# 创建一个一维数组
data1 = np.array([1, 2, 3])
print(data1)
import numpy as np
# 创建一个二维数组
data2 = np.array([[1, 2, 3], [4, 5, 6]])
print(ddata2)
通过zeros()函数创建元素值都是0的数组;通过ones()函数创建元素值都为1的数组。
import numpy as np
# 创建元素值全是0的数组
d1=np.zeros((3, 4))
print(d1)
# 创建元素值全是1的数组
d2=np.ones((3, 4))
print(d2)
通过empty()函数创建一个新的数组,该数组只分配了内存空间,它里面填充的元素都是随机的。
通过arange()函数可以创建一个等差数组,它的功能类似于range(),只不过arange()函数返回的结果是数组,而不是列表。
import numpy as np
# 创建元素值全是随机数的数组
da1=np.empty((5, 2))
print(da1)
#创建一个等差数组
#从1开始到20结束,间隔是5
da2=np.arange(1, 20, 5)
print(da2)
二、数组的数据类型
大家可能注意到,有些数组元素的后面会跟着一个小数点,而有些元素后面没有,比如1和1.,产生这种现象,主要是因为元素的数据类型不同所导致的。
ndarray.dtype可以创建一个表示数据类型的对象,如果希望获取数据类型的名称,则需要访问name属性进行获取。
import numpy as np
data_one = np.array([[1, 2, 3], [4, 5, 6]])
print(data_one.dtype.name)
NumPy的数据类型是由一个类型名和元素位长的数字组成。
- 通过zeros()、ones()、empty()函数创建的数组,默认的数据类型为float64。
- 默认情况下,64位windows系统输出的结果为int32,