NumPy之ndarray

一、简介

NumPy是Python的一种快速数据处理扩展库，可以用于处理和存储大型矩阵，而且效率较高。ndarray（n-dimensional array object）是NumPy的核心对象，功能强大，用于存储单一数据类型的多维数组，统称为数组。

二、使用

1、在Python导入NumPy库可以使用以下语句

import numpy as np

2、创建数组和创建多维数组

n1=np.array([1,3,5,7])
     n2=np.array([2,4,6,8])
     n3=np.array([[0,1,2,3],[4,5,6,7],[8,9,10,11]])
     print("n1=",n1) 
     print("n2=",n2) 
     print("n3=",n3)

 
     输出：n1= [1 3 5 7]
          n2= [2 4 6 8]
          n3= [[ 0  1  2  3]
               [ 4  5  6  7]
               [ 8  9 10 11]]

3、获取数组形状和查看元素类型

n4=np.array([[1,2],[3,4]])
     n4.shape , n4.dtype

输出:((2, 2), dtype('int32'))

        4、reshape创建指定形状的新数组

n5=n4.reshape(1,4)
     n5.shape , n5.dtype

输出：((1, 4), dtype('int32'))

         5 、自动生成数组

#(1)arange()类似于内置函数range()，通过指定开始值、终值、步长来创建等差一维数列，结果不包括终值
     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])

#(2)linspace()通过指定开始值、终值、元素个数来创建等差一维数列，结果不包括终值，可以通过endpoint参数指定是否包含终值，默认为True,即包含终值。
     print(np.linspace(0,1,10))#步长为1/9
     print(np.linspace(0,1,10,endpoint=False))

[ 0.   0.11111111  0.22222222  0.33333333  0.44444444  0.55555556 0.66666667  0.77777778  0.88888889  1. ]
     [ 0.   0.1         0.2         0.3         0.4         0.5        0.6         0.7         0.8         0.9]

#(3)logspace和linspace()类似，只不过是等比数列，下面例子产生10的0次方到10的2次方，
     #有5个元素的等比数列，基数可以通过参数base指定，默认值为10，
     print(np.logspace(0,2,5))
     #创建一个比例为2的1/12次方的等比数组
     print(np.logspace(0,1,12,base=2,endpoint=False))

[ 1.          3.16227766  10.         31.6227766  100.        ]
     [ 1.          1.05946309  1.12246205  1.18920712  1.25992105  1.33483985
       1.41421356  1.49830708  1.58740105  1.68179283  1.78179744  1.88774863]

#(4)zeros()、ones()、empty()可以创建指定形状和类型的数组。
     #其中empty()只分配不初始化，运行速度最快。
     print("np.empty((2,3),np.int)=",np.empty((2,3),np.int))
     #zeros()、ones()分别将数组初始化为0和1
     print("np.zeros((2,3),np.int)=",np.zeros((2,3),np.int))
     print("np.ones((2,3),np.int)=",np.ones((2,3),np.int))

np.empty((2,3),np.int)= [[1 1 1]
                              [1 1 1]]
     np.zeros((2,3),np.int)= [[0 0 0]
                              [0 0 0]]
     np.ones((2,3),np.int)= [[1 1 1]
                             [1 1 1]]

3、获取数组形状和查看元素类型