python-numpy库 学习笔记二 ndarray数组的创建、维度变换、类型变换、向列表转换

ndarray数组的创建方法

1、从python中的列表，元组等类型创建ndarray数组

X=np.array(list/tuple)
X=np.array(list/tuple,dtype=np.float32)
当np.array()不指定dtype时，numpy将根据数据情况关联一个dtype的类型

• 从列表类型创建数组

import numpy as np
x = [0, 1, 2, 3, 6]
a=np.array(x)
print(a)
[0 1 2 3 6]

• 从元组创建数组

import numpy as np 
y = (4, 5, 6, 8, 5)
a=np.array(y)
print(a)
[4 5 6 8 5]

• 从列表和元组混合创建数组

import numpy as np
x = [0, 1, 2, 3, 6]
y = (4, 5, 6, 8, 5)
a=np.array([x,y])
print(a)
[[0 1 2 3 6]
 [4 5 6 8 5]]

2、使用numpy中的函数创建ndarray数组（）

• np.arange(n) 类似range（）函数，返回ndarray类型，元素从0到n-1

import numpy as np
a=np.arange(10)
print(a)
[0 1 2 3 4 5 6 7 8 9]

• np.ones(shape) 根据shape生成一个全是1的数组，shape是元组类型

import numpy as np
a=np.ones((2, 3))
print(a)
[[1. 1. 1.]
 [1. 1. 1.]]
import numpy as np
a=np.ones((2, 3),dtype=np.int32)   #元素类型为int32
print(a)
[[1 1 1]
 [1 1 1]]

• np.zeros(shape) 根据shape生成一个全是0的数组，shape是元组类型

import numpy as np
a=np.zeros((3, 3))
print(a)
[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]

• np.full(shape,val) 根据shape生成一个数组，每个元素值都是val

import numpy as np
a=np.full((3, 3),5)
print(a)
[[5 5 5]
 [5 5 5]
 [5 5 5]]
import numpy as np
a=np.full((3,2,5),7)
print(a)
[[[7 7 7 7 7]
  [7 7 7 7 7]]

 [[7 7 7 7 7]
  [7 7 7 7 7]]

 [[7 7 7 7 7]
  [7 7 7 7 7]]]
print(a.shape)
(3, 2, 5)

• np.eye(n) 创建一个正方形的n*n单位矩阵，对角线为1其余为0

import numpy as np
a=np.eye(4)
print(a)
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]

• np.ones_like(a) 根据数组a的形状生成一个全是1的数组

• np.zeros_like(a) 根据数组a的形状生成一个全是0的数组

• np.full_like(a,val) 根据数组a的形状生成一个数组，每个元素值都是val

import numpy as np
a=np.full((3,5),7)
print(a)
[[7 7 7 7 7]
 [7 7 7 7 7]
 [7 7 7 7 7]]
like1=np.ones_like(a)
print(like1)
[[1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]]
like2=np.zeros_like(a)
print(like2)
[[0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]]
like3=np.full_like(a,3)
print(like3)
[[3 3 3 3 3]
 [3 3 3 3 3]
 [3 3 3 3 3]]

• np.linspace() 根据起止数据等间距地填充数据，形成数组
• np.concatenate() 将两个或多个数组合并成一个新的数组

import numpy as np
a=np.linspace(0,10,5)   #0到10之间平均填充5个数
print(a)
[ 0.   2.5  5.   7.5 10. ]
b=np.linspace(5,20,5)
print(b)
[ 5.    8.75 12.5  16.25 20.  ]
c=np.concatenate((a,b))
print(c)
[ 0.    2.5   5.    7.5  10.    5.    8.75 12.5  16.25 20.  ]

ndarray数组的维度变换

方法 说明
.reshape(shape) 不改变数组元素，返回一个shape形状的数据，原数组不变
.resize(shape) 与.reshape()功能一致，但修改原数组
.swapaxes(ax1,ax2) 将数据n个维度进行调换
.flatten() 对数组进行将维，返回折叠后的一维数组，原数组不变

import numpy as np
a=np.ones((2,3,4),dtype=np.int32)
print(a)
[[[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]

 [[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]]
b=a.reshape(4,6)   #原数组没有改变，改变形状后的数组赋值到b
print(b)
[[1 1 1 1 1 1]
 [1 1 1 1 1 1]
 [1 1 1 1 1 1]
 [1 1 1 1 1 1]]
print(a)    # 原数组没有改变
[[[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]

 [[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]]
c=a.resize(3,8)       #改变了原数组的形状，改变后的数组没有赋值到c
print(a)             #原来的数组被改变了
[[1 1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1 1]]
print(c)               #数组c没有被赋值，还是空的
None


import numpy as np
a=np.ones((2,2,3),dtype=np.int32)
print(a)                #原数组
[[[1 1 1]
  [1 1 1]]

 [[1 1 1]
  [1 1 1]]]
b=a.flatten()         #被折叠后赋值给b
print(b)                #被折叠成一个一维数组，元素个数不变
[1 1 1 1 1 1 1 1 1 1 1 1]
print(a)                #原数组没有被改变
[[[1 1 1]
  [1 1 1]]

 [[1 1 1]
  [1 1 1]]]

ndarray数组的类型变换

new_a=a.astype(new_type)
astype()方法一定会创建新的数组（将原始数据的一个拷贝），即使两个类型一致。

import numpy as np
a=np.ones((3,4),dtype=np.int)
print(a)        #原数组 整数
[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]
b=a.astype(np.float)        #将数组元素的类型改变为浮点型
print(b)                #改变类型后的数组赋值到b
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]
print(a)                #元数组a的类型没有被改变
[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]

ndarray数组向列表的转换

ls=a.tolist()
import numpy as np
x1=np.array([1, 2, 3])
x2=x1+3
x3=x1+6
a=np.array((x1,x2,x3))
print(a)        #原数组
[[1 2 3]
 [4 5 6]
 [7 8 9]]
b=a.tolist()           #将数组转化为列表
print(b)                #转化后的赋值给b
[[1, 2, 3], [4, 5, 6], [7, 8, 9]]
print(a)                #原数组没有发生改变
[[1 2 3]
 [4 5 6]
 [7 8 9]]