Numpy入门——基础操作（1）

N维数组对象：ndarray
ndarray是一个多维数组对象，由两部分构成：
• 实际的数据
• 描述这些数据的元数据（数据维度、数据类型等）
ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始。轴(axis): 保存数据的维度；秩(rank)：轴的数量。

数组的创建方法

• 从Python中的列表、元组等类型创建ndarray数组

x = np.array(list/tuple)    # x = np.array([0,1,2,3]) #从列表类型创建
x = np.array(list/tuple, dtype=np.float32)     # x = np.array((0,1,2,3)) #从元组类型创建, 还可混合创建

• 使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等

 

import numpy as np
a = np.ones((3,4)) #一个3行4列二维数组
print(a)
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]

a = np.ones((2,3,4)) #三维数组，即两个元素，每个元素3行4列数组
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.]]]

a = np.linspace(1,10,4) # 从1到10等间距的生成4个数，默认浮点数
b = np.linspace(1,10,4,endpoint=False) # 从1到10（但10不在数组内）等间距的生成4个数

数组的变换

对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换。

注意哪些操作改变原数组，哪些不改变元数据。

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

ndarray数组向列表的转换： ls = a.tolist()

 

数组的操作（索引和切片）

索引：获取数组中特定位置元素的过程
           多维数组的索引：a[1, 2, 3]  #表示第1个元素，第3行，第4列，从0开始
           x[1, 2, 4]    #每个维度一个索引值，用逗号分割

切片：获取数组元素子集的过程
           x[1 : 4 : 2]   # 3元素冒号分割：起始编号: 终止编号(不含): 步长

a = np.arange(24).reshape((2,3,4))
a[:, 1, -3] # 不关心第一个维度，选择第二维度的1行，第三维度的-3列
a[:, 1:3, :] # 只对第二维度进行切片。第二个维度选取1-3行，但不包括3，其他维度不考虑
a[:, :, ::2] # 对于第三个维度使用步长跳跃切片。

data[:,:-1] # 二维数组，返回全部除了最后一列
data[:,-1] # 二维数组，只返回最后一列，注意两个切片的选取,有无冒号

数组的运算