"""
Created on Tue May 26 10:12:28 2020
@author: dongdong
"""
#1、数组对象ndarray
#ndarray要求所有元素的数据类型必须一致
#Numpy会自动识别ndarray中的数据类型,如果数据类型不一致 Numpy会将所有元素自动转换成一个合适的数据类型,如:
import numpy as np
a= np.array([2,5.0,"6"])
print(a)
#输出:['2' '5.0' '6'] 全部转换成字符型,所以一般定义时候需要指定类型,如:
a= np.array([2,5.0,"6"],dtype = np.float64)
#输出:['2' '5.0' '6']
#2数组对象
#array()函数可以接收任意的序列型对象,如:
np.array([1,2,3,4,5])
np.array([[1,2],[3,4],[5,6]])
"""
常用生成函数
zeros()函数
ones()函数
arange()函数:内置range()函数的数组版
empty()函数:创建没有初始化数值的数组
"""
a = np.zeros(15).reshape((3,5))
print(a)
#输出:[[0. 0. 0. 0. 0.]
# [0. 0. 0. 0. 0.]
# [0. 0. 0. 0. 0.]]
#3、ndarray的基本属性
"""
ndim属性:表示数组的维度
shape属性:表示每一个维度的数量(元组)
dtype属性:描述数组元素的数据类型
Itemsize属性:表示单个元素的大小(字节)
size属性:表示数据量的大小
reshape(shape),返回一个新数组,原数组不变
flatten() ,降为一维数组,原数组不变
rezise(shape),修改原数组
tolist(),将数组转换为列表
"""
a.resize((5,3))#注意这里面的括号数量
print(a)
"""
输出:
[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]
"""
#4、数组的索引和切片
"""
• 一维数组索引,如a[3],获取特定位置的元素
二维数组索引,如a[0][2]或arr2d[0,2]
多维数组索引,如a[1,2,3]
各维度分别切片a[m:n:k]
对多维数组的切片赋值时,整个切片都会被重新赋值
例如:
"""
a = np.arange(10)
print(a[5:8])
#输出:[5 6 7]
a[5:8] = 10
print(a)
#输出:[ 0 1 2 3 4 10 10 10 8 9]
python中关于数组的讲解(ndarray、reshape、索引)
最新推荐文章于 2024-07-01 10:17:25 发布