文章目录
1.简介
Numpy是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
2.创建数组以及数组的dtype属性
import numpy as np
# 通过numpy创建数组,数组数据类型是numpy.ndarray;其中b、c效果一样
a=np.array([1,2,3])
b=np.array(range(10))
c=np.arange(10)
print(a,b,c) ------------->[1 2 3] [0 1 2 3 4 5 6 7 8 9] [0 1 2 3 4 5 6 7 8 9]
print(type(a),type(b),type(c))-----><class 'numpy.ndarray'> <class 'numpy.ndarray'> <class 'numpy.ndarray'>
b1=np.array(range(4,10,2))
c1=np.arange(4,10,2)
print(b1,c1)----------------------->[4 6 8] [4 6 8]
print(type(b1),type(c1))-----------><class 'numpy.ndarray'> <class 'numpy.ndarray'>
# 数组的属性dtype是当前数组里存放的数据的类型
print(b.dtype)--------------------->int32
# 指定数组的存放的数据的数据类型
d=np.array(range(1,4),dtype="int64")
print(d)--------------------------->[1 2 3]
print(d.dtype)--------------------->int64
# 指定为bool类型
bo=np.array([1,0,1,1,0,1],dtype="bool")
print(bo)--------------------------->[ True False True True False True]
print(bo.dtype)--------------------->bool
#修改数据类型赋值给新的,旧的不变
newbo=bo.astype("int")
print(newbo,bo)--------------------->[1 0 1 1 0 1] [ True False True True False True]
print(newbo.dtype,bo.dtype)--------->int32 bool
3.数组形状
import numpy
'''查看数组形状'''
a=numpy.array(range(12))
print(a)------------------------------------------>[ 0 1 2 3 4 5 6 7 8 9 10 11]
print(a.shape)------------------------------------>(12,)
a2=numpy.array([[1,2,3],[4,5,6]])
print(a2)----------------------------------------->[[1 2 3]
[4 5 6]]
print(a2.shape)----------------------------------->(2, 3)
'''修改数组形状'''
a3=numpy.array(range(10))
print(a3)----------------------------------------->[0 1 2 3 4 5 6 7 8 9]
print(a3.shape)----------------------------------->(10,)
a4=a3.reshape((5,2))#修改数组形状后赋值给a4,但a3没有改变
print(a4)----------------------------------------->[[0 1]
[2 3]
[4 5]
[6 7]
[8 9]]
print(a4.shape)----------------------------------->(5, 2)
'''转成一维数组'''
b=a4.flatten()#转成一维数组
print(b)------------------------------------------>[0 1 2 3 4 5 6 7 8 9]
print(b.shape)------------------------------------>(10,)
4.数组的计算
4.1 数组和数的计算
#数组计算
import numpy
a=numpy.array(range(