Python之numpy：数组定义&ndarray操作

最新推荐文章于 2025-09-02 08:57:26 发布
最新推荐文章于 2025-09-02 08:57:26 发布
阅读量2.7k 收藏 21
点赞数 24
CC 4.0 BY-SA版权
分类专栏： Python基础 文章标签： python numpy 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/YBK233/article/details/137184297
本文详细介绍了NumPy库中的核心概念，包括ndarray的构建、类型转换、常用数组函数如arange、linspace、zeros和eye，以及随机数组生成。此外，还涵盖了ndarray的基本操作，如形状、索引、切片、数组变形、拼接和数组分割的方法。

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

一、numpy

numpy是Python的科学计算包，包含了多维数组及多维数组的操作
numpy与Python原生array区别：

  • numpy数组在创建时有固定大小，更改ndarray的大小将创建一个新的数组并删除原始数据，不同于Python列表（可以动态增长）
  • numpy数组中的元素都需要具有相同的数据类型
  • 数组的元素也是数组（可以是Python的原生array，也可以是ndarray）的情况下，构成了多维数组
  • numpy数组操作比使用Python内置的序列可能更有效和更少的代码行

1、构建ndarray

在这里插入图片描述
之所以出现warning，是因为数组c中列表长度不一致，如图所示
在这里插入图片描述
创建ndarray时，也可指定类型，如下图：
在这里插入图片描述

2、类型转换

在这里插入图片描述

3、常用数组

1）、np.arange()

用来创建一个线性序列数组，在给定间隔内返回均匀间隔的值，格式：
arange([start,]stop[,step],dtype=None)
在这里插入图片描述

2）、np.linspace()

np.linspace(start,stop,num=50,endpoint=True)

  • 在指定的间隔内返回均匀间隔的数字，用作相同间隔采样
  • start：标量，序列起始值
  • stop：标量，除非endpoint设置为false，否则为序列的结束值
  • num：int，可选。要生成的样本数，默认值为50，必须为非负数
    ![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/75bd23499f4345e8b474fb6e68c6b6aa.png

3）、np.zeros()

定义一个为0的数组，与之相对应的是np.ones()
在这里插入图片描述

4）、np.eye()

返回一个二维数组，其对角线为1
在这里插入图片描述

5）、np.full()

返回给定性质和类型的数组，填充fill_value
np.full(shape,full_value,dtype)

  • shape:int或int的序列新数组的性质
  • full_value：标量填充值
  • dtype:数据类型，可选数组所需的数据类型默认值为‘None’
    在这里插入图片描述

4、随机数组

1）、np.random.randint()

将随机数从‘低’（包括）返回到“高”（不包括）
语法：randint（low,high=None,size=None,dtype）

  • 使用方法1：将随机整数从低返回到高，左闭右开
  • 使用方法2：返回特定形状的随机整数
    在这里插入图片描述

2）、np.random.random()

  • 语法：np.random.random(size=None)
  • 返回随机浮点数，在半开区间(0.0,1.0)中
    在这里插入图片描述

3）、np.random.randn()

  • 语法：np.random.randn(形状)
  • 从标准正态分布中返回一个样本
    在这里插入图片描述

4）、np.random.normal()

  • 语法：np.random.normal(平均值，标准差，形状)
  • 作用：从正态分布中随机抽取样本
  • 如果平均值和标准差为0和1，或者不写这2个参数，就等同于np.random.randn()
    在这里插入图片描述

5）、np.random.choice()

从给定的1-D阵列生成随机样本

  • choice(a,size=None,replace,p=None)
  • a:1-D数组或int
    如果是ndarray，则从其元素生成随机样本
    如果是int，则生成随机样本，就像a是np.arrange(a)
  • size:int或int的元组，可选
    输出形状，如果给定的形状是例如(m,n,k)，那么绘制了mnk样本，默认值为None，在这种情况下返回单个值
  • p:1-D数组，可选与a中每个条目相关的概率。如果没有给出样品则假定均匀分布一个条目
    在这里插入图片描述

6）、np.random.shuffle()

  • 通过混洗其内容来就地修改序列，此功能仅沿着a的第一轴洗牌
  • np.random.shuffle(x),x:array_like(要洗牌的数组或列表)
    在这里插入图片描述

二、ndarray操作

1、ndarray常用属性

1）、np.random.seed()

np.random.seed(Num)可以设置一组种子值，确保每次程序执行时都能生成同样的随机数组
第一次执行：
在这里插入图片描述
第二次执行
在这里插入图片描述
设置随机种子后，第一次执行：
在这里插入图片描述
第二次执行：
在这里插入图片描述
从结果不难看出，设置随机种子后，不管执行几次，生成的随机数组结果都一样。

2）、ndarray.shape

ndarray.shape()查看数组信息
在这里插入图片描述

3）、ndarray.ndim

ndarray.ndim()查看数组维度
在这里插入图片描述

4）、ndarray.size

ndarray.size查看数组元素个数
在这里插入图片描述

2、数组索引、切片

1）、一维数组

在这里插入图片描述

2）、二维数组

在这里插入图片描述

2）、修改数组元素值

在这里插入图片描述

3、数组变形

1）、ndarray.reshape()

ndarray.reshape()可以进行数据转换，比如从一维数组转换为三维数组，但是reshape不改变原数据，而是返回修改后的数组
在这里插入图片描述
小技巧：当其中一个维度不知道时，可以使用-1代替，程序会自动计算，但-1只能出现一次，否则报错
在这里插入图片描述

2）、ndarray.shape

  • 查看数组形状
  • 修改数组形状，与reshape不同，shape之间改变原数组
    在这里插入图片描述

3）、ndarray.resize()

与shape相同改变原数组

在这里插入图片描述

4）、ndarray.ravel()

  • 数组的平铺
  • 不管多少维，返回全部铺开变成一维数组，但不改变原数组
    在这里插入图片描述

4）、ndarray.T

  • 和数学意义上的转置相同
  • 不改变原数组

在这里插入图片描述

4、数组拼接

1）、np.concatenate()

np.concatenate((a1,a2,),axis=0,out=None)沿着现有轴加入一系列数据

  • a1,a2，…：array_like的序列
    除尺寸外，阵列必须具有相同形状

  • axis：int，可选，数组为一维时，只能横向合并，为二维及多维时，axis=0为横向合并，axis为1时为纵向合并
    数组连接的轴，如果axis为none，数组在使用前是扁平的，默认值为0
    在这里插入图片描述
    多维数组时，拼接思路如下：
    在这里插入图片描述
    维度不同的数组合并时，会报错：
    在这里插入图片描述
    在这里插入图片描述
    备注：
    222:每个三维数组有2个二维数组，每个二维数组有两个一维数组，每个一维数组有两个元素
    422:每个三维数组有4个二维数组，每个二维数组有两个一维数组，每个一维数组有两个元素
    242:每个三维数组有2个二维数组，每个二维数组有四个一维数组，每个一维数组有两个元素

  • 一维数组：如果有一个操作需要设置轴，一维数组只有一个轴，为轴0
    axis=0：基本操作单位为一维数组里的一个个元素

  • 二维数组：如果有一个操作需要设置轴，二维数组有两个轴，为轴0、轴1
    axis=0：基本操作单位为二维数组里的一个个一维数组
    axis=1：基本操作单位为一维数组里的一个个元素

  • 三维数组：如果有一个操作需要设置轴，三维数组有三个轴，为轴0、轴1、轴2
    axis=0：基本操作单位为三维数组里的一个二维数组
    axis=1：基本操作单位为二维数组里的一个个一维数组
    axis=2：基本操作单位为一维数组里的一个个元素

2）、np.vstack()

  • 垂直堆叠数组
  • np.vstack(tup)
    tup:ndarrays的序列
    除了第一个轴外，阵列必须具有相同形状
    在这里插入图片描述

3）、np.hstack()

水平直堆叠数组
在这里插入图片描述

5、数组分割

  • 讲一个数组分成几个较小的数组
  • 既然有多个数组堆叠，也相应有一个数组拆分成几个小数组
  • 和拼接有以下对应关系
    split ——>concatenate
    hsplit ——>hstack
    vsplit ——>vstack

1）、np.split()

语法：np.split(array,indices_or_sections,axis=0)
作用：将数组拆分为多个子数组，不改变原数组
axis：int，可选。要拆分的轴，默认为0
在这里插入图片描述

2）、np.vplit()

语法：np.vplit(any,indices_or_sections)
作用：将数组垂直拆分为多个数组（按行）
相当于np.split中axis=0
在这里插入图片描述

3）、np.hplit()

在这里插入图片描述

Python--ndarray 常用属性详解
m0_69073685的博客
07-12 3964
1. 描述维度的属性--shape 1.1 改变原始数组的维度 1.2 视图变维 1.3 复制变维 2. 数组的索引操作--index 2.1 一维数组的索引切片 2.2 多维数组的切片 2.2.1 二维数组的切片 2.2.2 三维数组的切片 3. ndarray 掩码 3.1 布尔掩码 3.2 索引掩码 4. ndarray 的属性...
1. Numpy的基石——ndarray数组
2301_79181607的博客
07-20 925
我们知道，数组只能够存储同一类型的数据，但是在实际的需求中，我们接触到的大部分都是一条数据中包含多个属性数据，例如一张成绩表中，每条数据都包含姓名、学号、成绩等数据，分别对应字符串、整型、浮点型等数据类型，而在数据类型中，我们不能从已有的数据类型中找到一个合适的数据类型来对应我们成绩表中的数据，这时候我们就需要利用到数据类型对象来新建一个结构化数据类型。NumPy 中定义结构化数据需要用到 dtype 对象。字符码数据类型b布尔类型i带符号整型u无符号整型f浮点数整型c复数类型m。
003-数组创建方法
lvjesus的博客
09-02 750
本文介绍了NumPy数组的创建方法，主要包括两部分内容：1）从Python数据结构（如列表、元组、集合等）创建数组，并演示了如何处理不规则列表和不同数据类型的转换；2）使用NumPy内置函数创建特殊数组，如零数组、一数组、空数组等。重点讲解了数组创建时的数据类型推断、形状控制和内存复制行为，为后续数值计算打下基础。文章还提供了详细的代码示例和可视化图表，帮助理解不同创建方法的适用场景。
Python：Numpy详解
qq_43042024的博客
02-27 7370
NumPy Ndarray 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。 ndarray 对象是用于存放同类型元素的多维数组。 ndarray 中的每个元素在内存中都有相同存储大小的区域。 ndarray 内部由以下内容组成： 一个指向数据（内存或内存映射文件中的一块数据）的指针。 数据类型或 ...
python定义字符串数组_Python数组定义方法
weixin_39961522的博客
11-20 1577
本文实例讲述了Python数组定义方法。分享给大家供大家参考，具体如下：Python中没有数组的数据结构，但列表很像数组，如：a=[0,1,2]这时：a[0]=0, a[1]=1, a[[2]=2,但引出一个问题,即如果数组a想定义为0到999怎么办?这时可能通过a = range(0, 1000)实现。或省略为a = range(1000).如果想定义1000长度的a,初始值全为0,则 a = ...
Python数组定义
MinSen
08-16 8万+
Python中没有数组的数据结构，但列表很像数组，如： a=[0,1,2],这时a[0]=0, a[1]=1, a[[2]=2,但引出一个问题,即如果数组a想定义为0到999怎么办?这时可能通过a = range(0, 1000)实现。或省略为a = range(1000).如果想定义1000长度的a,初始值全为0,则 a = [0 for x in range(0, 1000)] 下面是二维
深入学习Python Numpy：数组操作与Ndarray详解
"这篇教程详细介绍了Python中的Numpy库，包括其起源、主要功能、以及核心的Ndarray对象和数据类型。Numpy是Numeric和Numarray的整合，提供了丰富的数组运算和科学计算功能，常与SciPy和Matplotlib一起使用，构成强大...
掌握Numpy数组对象ndarray
2301_81437523的博客
06-19 2147
Python提供了一个array模块。array和list不同，array直接保存数值，和C语言的一维数组比较类似。但是由于Python的array模块不支持多维，也没有各种运算函数，因此不适合做数值运算。NumPy弥补了Python不支持多维等不足之处，它提供了一种存储单一数据类型的多维数组--ndarray。本次将实现ndarray多维数组的创建、生成随机数、通过索引访问一维或多维数组并变换其形态。NumPy提供了两种基本的对象：ndarray(N-dimensional Array)和ufunc(U
【Python】使用NumPy处理数组以及常用函数总结
不积跬步无以至千里，不积小流无以成江海。一个喜欢学习分享的程序员
06-20 1906
NumPy（Numerical Python的简称）是一个用于处理数组（特别是多维数组）和矩阵运算的Python库，同时也提供了大量的高级数学函数来操作这些数组。NumPy构建在Python之上，为Python提供了大量的数学计算功能，并极大地提升了Python在执行大量数学计算和数组操作时的性能和效率。
Python3 NumPy库之ndarray数组
Robin Hu的专栏
05-06 939
在Python内置环境 中，直接存储数值的数组(array)对象只存在一维结构，无法支持多维结构，也没有相关数组运算函数，这些使得Python在数值运算上有诸多不便之处。为了弥补这些不足，第三 方函数库NumPy被整合开发出来。 NumPy的核心功能是高维数组，NumPy 库中的ndarray (N-dimensional array object) 对象支持多维数组，数组类型的对象本身具备大小固定、数组内元素的数据类型相同等特性。NumPy也提供了大量数值运算函数，能够直接有效地进行向量、矩阵运算。
Python NumPy数组维度和坐标轴的含义（ndarray demension & axis）
最简单的方法，解决最实际的问题。
08-06 1613
Numpy是Python中科学计算的基础包，而其核心对象就是ndarray（n维数组）。为了对ndarray进行数学处理，很多函数中都要指定一个叫做坐标轴的参数(axis)，本文主要解释关于ndarray的维度和坐标轴的概念。
Python数组定义方法
09-21
主要介绍了Python数组定义方法,结合实例形式分析了Python一维数组与二维数组的定义方法与相关注意事项,需要的朋友可以参考下
NumPy包（下） python笔记扩展
正在学习中ing......
10-22 1185
nditer 是 NumPy 中的一个强大的迭代器对象，用于高效地遍历多维数组。nditer 提供了多种选项和控制参数，使得数组的迭代更加灵活和高效。nditer 提供了多种控制参数，用于控制迭代的行为。1.order 参数order 参数用于指定数组的遍历顺序。默认情况下，nditer 按照 C 风格（行优先）遍历数组。# 创建一个二维数组​# 使用 C 风格遍历数组print(x)# 输出:# 1# 2# 3# 4# 5# 6​# 使用 Fortran 风格遍历数组。
Python——定义数组
热门推荐
NobodyHere
01-14 23万+
一、一维数组 1.直接定义 matrix=[0,1,2,3] 2.间接定义 matrix=[0 for i in range(4)] print(matrix) 输出： [0, 0, 0, 0] 3.数组乘法 matrix=[0]*5 print(matrix) 输出： [0, 0, 0, 0, 0] 二、二维数组 1.直接定义(3*2) matrix
python 数组去重_python数组去重
weixin_39866857的博客
11-20 1419
广告关闭腾讯云11.11云上盛惠 ，精选热门产品助力上云，云服务器首年88元起，买的越多返的越多，最高返5000元！并集a = b = c = # 并# 合并数组a.extend(b)# 去重array =list(set(a))print(array)# 第二种方法array =list(set(a)|set(b))print(array)打印结果：交集a = b = c = # 交array ...
python 数组基本操作
喝水的面包
11-05 923
Python 没有数组概念 ，使用列表（list）来实现的，罗列几个基本操作： 声明 一维 demo = [] 动态大小数组，成员数可变 demo =[3]，静态大小数组，三个成员，标号从0开始 demo = [“a”,“b”] 数组初值 二维 demo = [[]*3] demo = [[“3”] [“4”]] 增加成员 demo = [] 声明动态数组 demo.append(“a”) 增加一个成员 清空 demo = [“a”,“b”] demo.clear() 拷贝 Python中的数组虽然是可变变
Python数组基本操作
qq_53344479的博客
05-19 1万+
项目一：基础编程 1.创建两个数组完成sqrt,abs,函数的调用,以及两个数组做加法 输出格式如下： import numpy as np from numpy import arange print() print('第一题') a1 = np.array([10, 20, 30, 40]) print(a1) a2 = np.array([8, -67, -34, 69]) print(a2) print(np.sqrt(a1)) print(np.abs(a2)) print(a2+a1)
python数组的基本操作
weixin_63328814的博客
07-16 1397
三.元素的插入（要插入的元素的索引依次向后，会导致尾部元素的丢失），先偏移后面的元素（二选一）七.扩容数组(重新建立一个更大的数组，然后把原数组元素依次拷贝到新数组)2.随机访问(会访问不同的元素)1.指定访问（通过索引（下标））四.删除元素（向前位移）
Python对数组的基本操作
sym19862006的专栏
03-30 513
[code="python"] # coding=utf-8 ''' Created on 2014-3-29 @author: Administrator ''' ''' 创建并打印数组 ''' arr = ["aex", "bfe", "mpilgrim", "zddd", "example"]; print(arr);#['aex', 'bfe', 'mpil
头歌Python数组定义及操作第1关
最新发布
09-20
头歌平台Python数组定义及操作第1关可能涉及不同的具体题目要求，但从提供的引用来看，可能会涉及数组的创建、分割等操作。 ### 数组创建 使用`numpy`库创建数组是常见的操作，如引用[1]中使用`np.arange(9)`创建了一个包含 0 到 8 的一维数组： ```python import numpy as np a = np.arange(9) print('第一个数组：') print(a) ``` ### 数组分割 可以使用`np.split()`函数对数组进行分割。此函数可以将数组分为大小相等的子数组，也能按照指定的位置进行分割。 - **分为大小相等的子数组**： ```python b = np.split(a, 3) print('将数组分为三个大小相等的子数组：') print(b) ``` - **按指定位置分割**： ```python b = np.split(a, [4, 7]) print('将数组在一维数组中表明的位置分割：') print(b) ``` ### 数组元素相加 若题目涉及数组元素相加，可参考引用[3]，将输入的列表转换为`numpy`数组后进行相加操作： ```python import numpy as np def student(a, b, c): result = [] a = np.array(a) b = np.array(b) c = np.array(c) result = a + b + c return result ``` ### 检查特定条件 如果题目要求检查数组是否符合特定条件，如引用[2]中检查数组是否为“欢乐的跳”，可通过计算元素间差值的绝对值，并检查这些差值是否包含从 1 到`n - 1`的所有整数来判断： ```python def is_happy_jump(n, arr): if n < 2: return "no" diffs = set() for i in range(1, n): diffs.add(abs(arr[i] - arr[i - 1])) for i in range(1, n): if i not in diffs: return "no" return "happy" ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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