3.2 创建与存取数组

最新推荐文章于 2022-11-27 16:40:27 发布

高通量

最新推荐文章于 2022-11-27 16:40:27 发布

阅读量392

点赞数

本文链接：https://blog.csdn.net/howhigh/article/details/75394037

版权

机器学习专栏收录该内容

58 篇文章 4 订阅

订阅专栏

　　本节主要介绍NumPy库ndarray对象的创建与保存方法，以及对其属性的操作方法。

3.2.1 创建ndarray数组

　　使用NumPy库里的array()函数创建数组，它接受一切序列的对象，包括其他数组，如果传递的是多层嵌套序列，将创建多维数组。示例代码：

>>>a = np.array([1, 2, 3, 4])
>>>b = np.array((5, 6, 7, 8))
>>>c = np.array([[ 1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]])

数组Python标准库提供的type()函数可以判断对象的类型。示例代码：

>>>type(a)
numpy.ndarray

返回结果是numpy.ndarray，即创建了NumPy的ndarray对象。
　　通过Python自带的help()函数或者NumPy库里的info()函数，可以查询NumPy中函数、方法和属性的详细信息。示例代码：

>>>help(np.array)
Help on built-in function array in module numpy.core.multiarray:

array(...)
    array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)

    Create an array.
……
>>>np.info(np.array)
array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)

Create an array.
……

3.2.2 数组的属性

　　NumPy库中提供了很多便捷的属性和方法，以查询数组的相关信息。

1. shape属性与reshape()方法

　　数组的大小可以通过其shape属性获得，示例代码：

>>>a.shape
(4, )
>>>c.shape
(3, 4)

　　数组a的shape只有一个元素，因此它是一维数组。而数组c的shape有两个元素，因此它是二维数组。(3, 4)表示数组c的第0轴的长度为3（行），第1轴的长度为4（列）。
　　使用reshape()函数可以重新定义原数组行和列的值，返回新的数组对象。注意参数中行列个数的乘积要与原数组元素的个数保持一致，此外reshape()函数对原数组没有影响，即不改变原数组的元素位置。示例代码：

>>>arr = np.array([[11, 12, 13, 14, 15],
                   [16, 17, 18, 19, 20], 
                   [21, 22, 23, 24, 25], 
                   [26, 27, 28, 29, 30],
                   [31, 32, 33, 34, 35]])
>>>arr.reshape(1, 25)
array([[11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27,
        28, 29, 30, 31, 32, 33, 34, 35]])

2. dtype属性与astype()方法

　　dtype属性返回数组中每个元素的数据类型。如果参数序列元素全是整数，那么所创建数组元素的类型也是整数。示例代码：

>>>arr1 = np.array([1, 2, 3, 4])
>>>arr1.dype
dtype('int32')

　　int32表示元素的数据类型是整型，元素的位长是32位。NumPy中，同一数组中的元素类型必须统一，经常使用的数据类型如下表所示：

类型名称	类型描述	表示方法
int	整型	int16、int32、int64
float	浮点型	float16、float32、float64
string	字符串型	string、unicode
bool	布尔型	True、False
complex	复数型	complex128
object	对象类型	object

　　在创建数组时，可以加入dtype参数限定数据类型的对象。示例代码：

>>>arr2 = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]], dtype = float32)
>>>arr2
array([[1., 2., 3., 4.],
           [4., 5., 6., 7.],
           [7., 8., 9., 10.]])

　　通过astype()函数可以对数组中每个元素的数据类型进行转化。示例代码：

>>>data3 = [1, 2, 3, 4, 5]
>>>arr3 = np.array(data)
>>>arr3.dtype
dtype('int32')
>>>float_arr = arr1.astype(np.float32)
>>>float_arr.dtype
dtype('float32')

　　与reshape()输出结果不同，astype()函数改变了原数组元素的属性，而reshape()方法对原数组保持不变。

3. size属性和ndim属性

　　size属性返回数组元素的个数；ndim属性返回数组的维度。示例代码：

>>>arr4 = np.array([[11, 12, 13, 14, 15],
                   [16, 17, 18, 19, 20], 
                   [21, 22, 23, 24, 25], 
                   [26, 27, 28, 29, 30],
                   [31, 32, 33, 34, 35]])
>>>arr4.size
25
>>>arr4.ndim
2

3.3.3 其他方式创建数组

　　上面的例子都是先创建一个序列，然后通过array函数将其转换为数组，这样做显然效率不高，因此NumPy提供了许多专门用来创建数组的函数。
　　arange()函数类似于Python的range函数，通过指定开始值、终值和步长来创建一维数组，注意数组不包括终值。示例代码：

>>>np.arange(0, 1, 0.1)
array([ 0., 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])

　　linspace()函数通过指定开始值、终值和元素个数来创建一维数组，可以通过endpoint关键字指定是否包括终值，缺省设置是包括终值，示例代码：

>>>np.linspace(0, 1, 12)
array([ 0.        ,  0.09090909,  0.18181818,  0.27272727,  0.36363636,
        0.45454545,  0.54545455,  0.63636364,  0.72727273,  0.81818182,
        0.90909091,  1.        ])

　　logspace()函数和linspace()函数类似，不过它创建等比数列，指定开始值和终值是10的幂值，下面的例子产生1（10^0）到100（10^2）、有20个元素的等比数列，示例代码：

>>>np.logspace(0, 2, 20)
array([   1.        ,    1.27427499,    1.62377674,    2.06913808,
          2.6366509 ,    3.35981829,    4.2813324 ,    5.45559478,
          6.95192796,    8.8586679 ,   11.28837892,   14.38449888,
         18.32980711,   23.35721469,   29.76351442,   37.92690191,
         48.32930239,   61.58482111,   78.47599704,  100.        ])

　　zeros()和ones()函数是根据给定的形状参数（shape），分别返回一个元素全部为0的数组或者全部为1的数组。示例代码：

>>>np.zeros((2, 3))
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])
>>>np.ones((3, 2))
array([[ 1.,  1.],
       [ 1.,  1.],
       [ 1.,  1.]])

　　eye()函数返回一个对角线元素为1，其他元素为0的二维数组。示例代码：

>>>np.eye(3)
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])

　　full()函数，可以根据给定的行列参数及指定值，创建元素统一为指定值的数组。示例代码：

>>>np.full((2, 3), 7)
array([[ 7.,  7.,  7.],
       [ 7.,  7.,  7.]])

　　NumPy库中random模块提供大量的随机数相关函数，返回不同分布或序列的随机数元素数组，各函数名及功能如下表所示：

函数名	函数功能
rand()	产生0到1之间的随机浮点数，它的所有参数用于指定所产生的数组的形状
randn()	产生标准正态分布的随机数，参数含义与rand()相同
randint()	产生指定范围的随机整数，包括起始值，但不包括终值

示例代码：

>>>np.random.rand(4, 3)
array([[ 0.06656639,  0.98441457,  0.41562723],
       [ 0.55361735,  0.28230227,  0.9850847 ],
       [ 0.87730206,  0.15071579,  0.34109152],
       [ 0.18123692,  0.82597656,  0.10593983]])
>>>np.random.randn(4, 3)
array([[ 1.65730492,  0.42038461, -0.88787035],
       [ 0.77341888, -0.402507  , -0.39044014],
       [-0.18054801,  1.18733182, -0.87334895],
       [-0.12622612, -2.13722455, -0.29762197]])
>>>np.random.randint(0, 10, (4, 3))
array([[4, 7, 1],
       [3, 0, 4],
       [6, 2, 5],
       [9, 9, 2]])

3.2.4 数组存取

　　numpy.load和numpy.save函数以NumPy专用的二进制类型保存数据，这两个函数会自动处理元素类型和shape等信息，使用它们读写数组非常方便，但是numpy.save输出的文件很难和其它语言编写的程序读入，示例代码：

>>>arr = np.arange(12).reshape((4, 3))        #产生从0到11的序列，并以4行3列的方式返回给arr
>>>arr
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
>>>np.save("arr.npy", arr)        #以arr.npy的文件名保存数组arr
>>>s = np.load("arr.npy")        #读取arr.npy文件并返回给s
>>>s
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

　　此外numpy.savez函数可以将多个数组保存到一个文件，savez(函数的一个参数是文件名，其后的参数都是需要保存的数组，也可以使用关键字参数为数组起一个名字，以非关键字参数传递的数组会自动起名为arr_0、arr_1、…。savez()函数输出一个压缩文件（扩展名为npz），其中每个文件都是一个save函数保存的npy文件，文件名对应于数组名。load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容，示例代码：

>>>a = np.array([[1, 2, 3],[4, 5, 6]])
>>>b = np.arange(0, 1.0, 0.1)
>>>c = np.random.randn(4, 4)
>>>np.savez("save.npz", a, b, k_c=c)
>>>s = np.load("save.npz")
>>>s["arr_0"]        #数组a
array([[1, 2, 3],
       [4, 5, 6]])
>>>s["arr_1"]        #数组b
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])
>>>s["k_c"]        #数组c
array([[-0.02499583, -0.42932972, -0.87850541,  1.22665883],
       [ 0.84368525,  1.13089567, -1.06471769, -1.24888949],
       [-0.04705682, -0.27626076, -0.71521138,  1.17094273],
       [-0.45764641,  0.16822594,  0.41377784,  0.57015392]])

　　如下图所示，ipython文件列表存在与程序文件（Untitled.ipynb）同一目录级别的arr.npy和save.npz文件，其中arr.npy保存着数组arr的内容。如果用解压软件打开save.npz文件，会发现其中有三个文件：arr_0.npy，arr_1.npy，k_c.npy，分别保存着数组a，b，c的内容。

ipython文件列表

　　ndarray数组除了保存为NumPy自带的格式，也可以保存为txt格式，与此同时，NumPy也可以加载csv或者txt文件以转换成ndarray形式数据。示例代码：

>>>arr = np.genfromtxt("myfile.csv", delimiter = ',', dtype = "string")   #从myfile.csv中导入数据，以逗号为间隔符，类型为string型
>>>np.savetxt("myarray.txt", arr, delimiter = ' ')      #将arr保存到myarray.txt文件，以空格为间隔符