【数据分析之Numpy基础001】数组创造者秘籍：轻松掌握创建Array，编程新手变高手

1、使用array函数创建

        numpy模块的array函数可以生成多维数组。例如，如果要生成一个二维数组，需要向array函数传递一个列表类型的参数。每个列表元素是一维的ndarray类型数组，作为二维数组的行。

        另外，通过ndarray类的shape属性可以获得数组每一维的元素个数（元组形式），也可以通过shape[n]形式获得每一维的元素个数，其中n是维度，从0开始。

        其语法格式如下：

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

其中：

        obj：数组或嵌套的数列

        dtype：数组元素的数据类型，可选

        copy：对象是否需要复制，可选

        order：创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）

        subok：默认返回一个与基类类型一致的数组

        ndmin：指定生成数组的最小维度

        创建一维数组

import numpy as np

one_array = np.array([1, 2, 3, 4, 5])

print(one_array)

print('维度:', one_array.shape)

  

  创建二维数组

two_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

print(two_array )

print('维度:', two_array.shape)

 

       dtype参数的使用

# 生成一个复数的数组

comp_array = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=complex)

print(comp_array )

        ndmin参数的使用

# 生成一个最小维度为3的数组

three_array = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9], ndmin=3)

print(three_array)

2、使用arange函数创建

        使用arange函数创建数值范围并返回ndarray对象

        函数语法格式如下：

numpy.arange(start, end, stpe, dtype)

        arange函数与range函数功能类型，只是多了一个dtype参数

        创建一维数组

import numpy as np

arr1 = np.arange(1, 10, dtype=int)

print('arr1:', arr1)

arr2 = np.arange(1, 10, 2, dtype=float)

print('arr2:', arr2)

      

  其实，你可以将arange看作array+range两个函数的综合结构，执行顺序为range—>array，即先生成一个列表，再转成数组

        那么，在使用arange函数创建一个二维数组时，就需要使用到array函数

two_arr = np.array([np.arange(1, 4), [np.arange(4, 7), [np.arange(7, 10)])

print(two_arr)

print('维度:', two_arr.shape)

3、使用random函数创建

        numpy中random函数常用来生成随机数，其包含了很多的常用方法。

函数	说明
seed	确定随机生成器种子
permutation	返回一个序列的随机排列或返回一个随机排列的范围
shuffle	对一个序列随机的排序
choice	随机选择一个数或数组
rand	产生均匀分布的样本值
randint(low, high=None, size)	如果high=None， 则返回一个[0, low)的size大小的数组，如果有high，则返回一个[low, high)的size大小的数组
random(size=None)	返回[0.0, 1.0)范围size大小的随机数
randn(d0, d1, ..., dn)	返回一个或一组样本， 具有标准正态分布（期望为0，方差为1）。dn表示每个维度

        （1）random.random(size=None)的使用方法

import numpy as np

# 生成一个一维（3，）的随机数组

arr1 = np.random.random(size = 3)

print('arr1:', arr1)

# 生成一个二维（3，5）的随机数组

arr2 = np.random.random(size = (3, 5))

print('arr2:', arr2)

 

       （2）random.randint()的使用方法

import numpy as np

# 生成一个一维（3，）的[0, 6)随机数组

arr1 = np.random.randint(6, size = 3)

print('arr1:', arr1)

# 生成一个一维（3）的[3, 10)随机数组

arr2 = np.random.randint(3, 10, size = 3)

print('arr2:', arr2)

# 生成一个二维（3，5）的[3, 10)随机数组

arr3 = np.random.randint(3, 10, size = (3, 5))

print('arr3:', arr3)

        （3）random.randn()的使用方法

import numpy as np

# 生成一个一维（1，）的呈标准正太分布的随机数组

arr1 = np.random.randn()

print('arr1:', arr1)

# 生成一个二维（3，5）的呈标准正太分布的随机数组

arr2 = np.random.randn(3, 5)

print('arr2:', arr2)

# 生成一个包含两个（3,5）的三维的呈标准正太分布的随机数组

arr3 = np.random.randn(2, 3, 5)

print('arr3:', arr3)

        （4）random.normal()的使用方法

import numpy as np

# 生成一个呈正太分布（高斯分布）loc：期望， scale：方差， size：形状

arr = np.random.normal(loc=1, scale=3, size=(4,5))

print('arr:', arr)

4、其他方式创建

        （1）zeros函数

        创建指定大小的数组，数组元素以0来填充

        其语法格式为：

numpy.zeros(shape, dtype=float, order='C')

例：

import numpy as np

arr1 = np.zeros(7)

print('arr1:', arr1)

arr2 = np.zeros((5,), dtype=int)

print('arr2:', arr2)

arr3 = np.zeros((5,3))

print('arr3:', arr3)

        （2）ones函数

        创建指定形状的数组，数组元素以1来填充

其语法格式为：

numpy.ones(shape, dtype=None, order='C')

例：

import numpy as np

arr1 = np.ones(7)

print('arr1:', arr1)

arr2 = np.ones((5,3), dtype=int)

print('arr2:', arr2)

        （3）empty函数

        empty函数用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组，里面元素的值是之前内存的值。

        其语法格式为：

numpy.empty(shape, dtype=float, order='C')

例：

import numpy as np

arr1 = np.empty((5,3), dtype=int)

print(arr1)

        （4）linspace函数

        linspace函数用于创建一个一维数组，数组是一个等差数列构成的。

        其语法格式为：

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

其中：

        num：要生成的等步长的样本数量，默认为50

        endpoint：该值为True时，数列中包含stop值，反之不包含，默认是True

        retstep：如果为True时， 生成的数组中会显示间距，反之不显示

例：

import numpy as np

arr1 = np.linspace(2, 20)

print('arr1:', arr1)

arr2 = np.linspace(2, 20, 10)

print('arr2:', arr2)

arr3 = np.linspace(2, 20, 10, endpoint=False)

print('arr3:', arr3)

arr4 = np.linspace(2, 20, 10, retstep=True)

print('arr4:', arr4)

        （5）logspace函数

        logspace函数用于创建一个等比数列。

        其语法格式为：

numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

其中：

        base：对数log的底数

例：

import numpy as np

arr1 = np.logspace(2, 20, 10, base=2)

print(arr1)

5、ndarray对象

        Numpy最重要的一个特点是其N维数组对象ndarray，它是一系列同类型数据的集合，以0下标为开始的元素索引。

        ndarray对象是用于存放同类型元素的多维数组

        ndarray中的每个元素在内存中都有相同存储大小的区域

ndarray内部由以下内容组成：

        一个指向数据（内存或内存映射文件中的一块数据）的指针。

        数据类型或dtype，描述在数组中固定大小值的格子。

        一个表示数组形状（shape）的元组，表示各维度大小的元组。

        那么，ndarray对象的属性有（也就是数组的属性）：

属性	说明
ndarray.ndim	秩，即轴的数量或维度数量
ndarray.shape	数组的维度，对于矩阵，n行m列
ndarray.size	数组元素的总个数，相当于.shape中的n*m的值
ndarray.dtype	ndarray对象的元素类型
ndarray.itemszie	ndarray对象中每个元素的大小，以字节为单位
ndarray.flages	ndarray对象的内存信息
ndarray.real	ndarray元素的实部
ndarray.imag	ndarray元素的虚部
ndarray.data	包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性

        各个属性的使用

import numpy as np

arr1 = np.random.randint(10, size=8)

print(arr1)

arr2 = np.random.randint(10, size=(4,6))

print(arr2)

arr3 = np.random.randn(4, 5, 6)

print(arr3)

print('ndim属性:', arr1.ndim, arr2.ndim, arr3.ndim)

print('shape属性:', arr1.shape, arr2.shape, arr3.shape)

print('dtype属性:', arr1.dtype, arr2.dtype, arr3.dtype)

print('size属性:', arr1.size, arr2.size, arr3.size)

print('itemsize属性:', arr1.itemsize, arr2.itemsize, arr3.itemsize)