1.Numpy数组对象
Numpy中的ndarray是一个多为数组对象,该对象由两部分组成:
- 实际的数据;
- 描述这些数据的元数据
大部分的数组操作仅仅修改元数据部分,而不修改底层的实际数据。
Numpy数组一般是同质的,即数组中的所有元素类型必须是一致的。这样有一个好处:如果我们知道数组中的元素均为同一类型,该数组所用的存储空间就很容易确定下来。与Python中一样,Numpy数组的下表也是从0开始的。
使用arange函数可以创建数组
import numpy as np
a = np.array(5)
# print a:array([0,1,2,3,4])
# type(a):<class 'numpy.ndarray'>
# a.dtype :dtype('int32')/dtype('int64')
# a.shape:(5,)
type(a)获取的是数组a的类型;a.type获取的是数组a中元素的类型,这个结果与安装的Python有关;a.shape返回的是一个元组,元组的元素即为数组每一个维度上的大小。
2.多维数组
创建一个多维数组并显示该数组的维度
m = np.array([arange(2),arange(2)])
# m: array([[0,1],
[0,1]])
m.shape
#(2,2)
m1 = np.array([m,m])
#m1是一个三维数据
通过调用help函数可以查看np.array方法的详细信息
np.array函数的参数列表为:
- object: array_like
- dtype: 指定数组中元素的类型(可选)
- copy: bool类型。默认为True(可选)
- order: {‘K’,’A’,’C’,’F’},默认为为‘K’(可选)
- subok: bool类型,默认为False(可选)
- ndim: int类型,制定数组的最小维数(可选)
np.array([1,2,3],ndim=2)
#array([[1,2,3]])
np.array([1,2,3],dtype=complex)
#array([1.+0.j,2.+0.j,3.+0.j])
2.1 选取数组元素
首先创建一个2x2的多维数组:
a = np.array([[1,2],[3,4]])
# array([[1,2],
[3,4]])
利用下表选取数组中的元素(与matlab类似)
a[0,0]
# 1
a[0,<