文章目录
1.NumPy数组
NumPy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list
structure)结构要高效的多。
NumPy(Numeric Python)提供了许多高级的数值编程工具。Numpy的一个重要特性是它的数组计算,是我们做数据分析必不可少的一个包。
导入python库使用关键字import,后面可以自定义库的简称,但是一般都将Numpy命名为np,pandas命名为pd。
1.1 一维数组
import numpy as np
# 通过Numpy创建数组并且命名为array
array = np.array([1,2,3,4])
print(array)
# 查看维数:数组名.ndim
print("Dimension is ",array.ndim)
[1 2 3 4]
Dimension is 1
1.2 二维数组
Numpy中的一维数组中包含多个单个元素,
而二维数组则包含很多一维数组中间用逗号隔开,再用方括号括起,
而三维数组则包含很多二维数组中间再用逗号隔开他们,用方括号括起,以此类推层层嵌套。
array2 = np.array([[1,2,3,4],
[2,3,4,5]] )
print(array2.ndim)
1.3 三维数组
array3 = np.array([ [ [1,2],[3,4] ],
[ [5,6],[7,8] ] ] ) # 包含两个二维数组
print(array3.ndim)
1.4 四维及更高维
四维数组(4D array)可以理解为多个3D数组,放在一个新的数组中[[3D_array],[3D_array],[3D_array]]
更高维的以此类推
2.NumPy数组属性
2.1 NDArray结构图
2.2 NDArray属性总览
# 输出形状
array = np.array([[1,2,3,4],
[1,2,3,4],
[1,2,3,4]])
print(array.shape)
(3, 4)
# 输出维度
print(array.ndim)
2
# 输出数组大小
print(array.size)
12
# 输出每个元素大小
print(array.itemsize)
4
3.NumPy数组初始化
3.1设定数据类型
new_array = np.array([数组],dtype = np.int32/float/float16/float32)
#不指定数据类型
array11= np.array([1,2,3,4])
print(array11.dtype)
int32
#指定数据类型
array11= np.array([1,2,3,4]<