numpy学习 第1篇：ndarray 创建和索引

numpy是Python中用于科学计算的基础软件包，提供了多为数据组对象，用于对数据进行快速操作，包括数学，逻辑，形状处理，排序，选择，I / O ，离散傅立叶变换，基本线性代数，基本统计运算，随机模拟等等。

numpy包中最核心的类型是ndarray，定义了一个执行矢量算术运算的n维数组，无需编写循环，就能对整个数组进行批量运算。通常情况下，导入numpy，设置别名为np。

import numpy as np 

ndarray对象有几个非常明显的特征：

• ndarray对象在创建时有固定的大小，更改ndarray的大小将创建一个新数组并删除原始数组。
• ndarray对象中的元素类型是相同的，
• ndarry有助于对大量数据进行高级数学运算和其他类型的运算
• 越来越多的基于Python的科学和数学软件包都使用NumPy数组。

一，创建多维数组

ndarray是N-Dimension-Array的简称，该对象是一个快速而灵活的大数据集容器，该容器中存储的元素的数据类型都是相同的。

1，使用array()函数创建数组

使用array()函数创建数组，可以使用type()函数查看对象的类型：

a1 = np.array([1,2,3,4,5])
a2 = np.array([[1,2,3,4,5],[6,7,8,9,10]])

通过array()函数，使用列表创建的是一维数组，使用嵌套的列表创建的是多维数组。

2，使用arange()和reshape()函数创建数组

通过arange()函数创建ndarray，产生一维数组，数组的元素是一个序列，默认值start=0，不包括stop，step=1。

numpy.arange([start, ]stop, [step, ]dtype=None)

numpy.arange()的用法示例：

a = np.arange(10) #default start=0, end=10(exclude 10)，step=1
# [0 1 2 3 4 5 6 7 8 9]
a1 = np.arange(5,10) # start=5, end=10（exclude=10），step=1
# [5 6 7 8 9]
a2 = np.arange(5,20,2) # start=5, end=20（exclude 20），step=2
#[ 5  7  9 11 13 15 17 19]

可以使用reshape()函数重塑ndarray()的shape，把12个元素的一维数组转换为3行4列的二维数组：

>>> np.arange(12).reshape(3,4)
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

3，数组可以转换为列表

ndarray对象的tolist()函数可以把一个数组对象转化为list列表：

>>> np.arange(12).reshape(3,4).tolist()
[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]

二，数组的属性

数组对象的属性主要有：

• dtype：描述数组元素的类型
• shape：以tuple表示的数组形状
• ndim：数组的维度
• size：数组中元素的个数

1，dtype对象

dtype是一个特殊的对象，它表示数组元素的类型。

2，shape对象

以元组形式表示一个数组的维度，前三个维度有名称：第一个维度是行，第二个维度是列，第三个维度是高

3，ndim对象

数组各个维度的元素数量

三，索引和切片

ndarray对象的元素可以通过索引或切片来访问和修改，索引基于0。

1，数组的索引

一维数组很简单，从表面上看，一维数组的索引跟Python列表的功能差不多。

arr = np.arange(10)

arr[index]
arr[start:end]
arr[start:end:step]

在一个二维数组中，各索引位置上的元素不再是标量，而是一维数组。

arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])

>>> arr2d[2]
# array([7,8,9])
>>> arr2d[0][2]
#3
>>> arr2d[0,2]
#3

对于更高维度的数组，一个中括号表示一个维度，索引的使用依此类推。

2，数组的切片

数组切片是原始数组的视图，修改切片中的原始，会直接修改原始数据。数组的切片是Python基本切片的概念从一维到N维的扩展，通过中括号，start，stop和step参数提供给内置函数的slice函数来构造一个Python slice对象，此slice对象被传递给数组来提取数组的一部分。

获取切片的格式是[start:end:step]，如果省略start，使用start的默认值0；如果省略end，那么end的默认值是：维度长度-1；如果省略step，使用step的默认值1。通常情况下，数组的切片是[start:end]，这就意味着使用step的默认值1。

对于一维数组，数组切片上的任何修改都会直接修改原始数组：

arr = np.arange(10)
arr_slice=arr[5:8]
arr_slice[1]=111
#arr=array([0,1,2,3,4,5,111,7,8,9])

arr_slice[:]=222
#arr=array([0,1,2,3,4,222,222,222,8,9])

对于二维数组，一个中括号表示一个维度，依此类推。

 

参考文档:

Numpy Quickstart tutorial

Python NumPy学习总结

转载于:https://www.cnblogs.com/ljhdo/p/10559388.html