numpy ndarray的基本操作

目录

ndarray属性：

dtype分类：

一、数组的创建：

01-在python数据类型基础上创建：

02-生成数组：

ndarray属性：

ndarray.ndim	秩，即轴的数量或维度的数量
ndarray.shape	数组的维度。对于矩阵，n 行 m 列
ndarray.dtype	ndarray 对象的元素类型

dtype分类：

bool_	布尔型数据类型（True 或者 False）
int_	默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc	与 C 的 int 类型一样，一般是 int32 或 int 64
intp	用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
int8	字节（-128 to 127）
int16	整数（-32768 to 32767）
int32	整数（-2147483648 to 2147483647）
int64	整数（-9223372036854775808 to 9223372036854775807）
uint8	无符号整数（0 to 255）
uint16	无符号整数（0 to 65535）
uint32	无符号整数（0 to 4294967295）
uint64	无符号整数（0 to 18446744073709551615）
float_	float64 类型的简写
float16	半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32	单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
float64	双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位
complex_	complex128 类型的简写，即 128 位复数
complex64	复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128	复数，表示双 64 位浮点数（实数部分和虚数部分）

一、数组的创建：

01-在python数据类型基础上创建：

np.asarray(object,  dtype=none, order=none)

object	支持python列表，元组，基本类型嵌套，多维数据类型。ps：集合比较特殊
dtype	指定创建的数组类型
order	"C"和"F", 行优先和列优先，在计算机内存中的存储元素的顺序

list001 = [i // 2 for i in range(20)]
source_list = [list001, set(list001), tuple(list001)]
np_lists = [np.asarray(i) for i in source_list]
for i in range(len(np_lists)):
	print(f'{i}: {np_lists[i]}\t{type(np_lists[i])}'
		     f'\t{np_lists[i].dtype}\t{np_lists[i].shape}')

结果：

0: [0 0 1 1 2 2 3 3 4 4]	<class 'numpy.ndarray'>	int32	(10,)
1: {0, 1, 2, 3, 4}	<class 'numpy.ndarray'>	object	()
2: [0 0 1 1 2 2 3 3 4 4]	<class 'numpy.ndarray'>	int32	(10,)

02-生成数组：

指定范围

numpy.arange(start=0, stop, step=1, dtype=None)

start	起始值
stop	终止值
step	步长
dtype	ndarray类型

等差数列生成

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

等比数列生成

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

TBD