numpy:
引用是加:import numpy as np
NumPy(Numerical Python) 是 Python 的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。Nupmy可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix))。
ndarray对象:
在定义一个数组时的一些可选参数如上:
import numpy as np
a = np.array([1, 2, 3]) #定义一个一维数组
print("一维数组为", a)
b = np.array([[1, 2, 3], [3, 4, 5]]) #定义一个二维数组
print("二维数组为", b)
c = np.array([[1, 2, 3], [4, 5, 6]], dtype = complex)
print ("复数数组为", c)
'''
输出:
一维数组为 [1 2 3]
二维数组为 [[1 2 3]
[3 4 5]]
复数数组为 [[1.+0.j 2.+0.j 3.+0.j]
[4.+0.j 5.+0.j 6.+0.j]]
'''
NumPy 最重要的一个对象是其 N 维数组对象 ndarray,它是一系列同类型数据的集合,可以使用基于 0 的索引访问集合中的项目。
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使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)
ndarray属性主要有:
-
ndarray.ndim:数组的维度。
-
ndarray.shape:表示维度和一个维度有多少列数。即行数和列数,也可以用来修改维度和列数。
-
ndarray.size:数组元素的总个数。是shape中各个维度大小的乘积。
-
ndarray.dtype:数组中元素的数据类型。
import numpy as np import numpy as np a=np.array([[1,2,3],[4,5,6]]) # 定义一个二维数组 print(a.ndim) print(a.shape) print(a.size) print(a.dtype) a.shape=(3,2) #修改shape属性 print("修改之后为:") print(a) ''' 输出: 2 (2, 3) 6 int32 修改之后为: [[1 2] [3 4] [5 6]] ...
利用array函数,可以将序列类型的对象(如元组,列表,其他数组)转化为数组类型ndarray。
import numpy as np
list1 = [5, 1.2, 3]
array1 = np.array(list1)
print("一维",array1)
list2 = [[1, 2, 3.1], [5, 6, 7]]
array2 = np.array(list2)
print("二维",array2)
'''
输出:
一维 [5. 1.2 3. ]
二维 [[1. 2. 3.1]
[5. 6. 7. ]]
'''
在转化过程中,会将数据类型转为相同类型
使用numpy.empty–构造创建数组
参数如下:
序号 | 参数及其描述 |
---|---|
1 | shape,空数组的形状,整数或元组 |
2 | Dtype, 所需的输出数组类型,可选 |
3 | order,C按C语言风格数组,F按F风格数组 |
下面的代码展示空数组的例子::