二、数组的基本使用

1、numpy数据类型

数据结构

numpy支持的数据类型比Python内置的类型要多很多，基本上可以和C语言的数据类型对应上，其中部分类型对应为Python内置的类型。

numpy的数值类型实际上是dtype对象的实例，并对应唯一的字符。

名称	描述
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）

数据类型对象（dtype）

数据类型对象（numpy dtype类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：

• 数据的类型（整数，浮点数或者Python对象）

• 数据的大小

• 数据字节顺序（小端法或大端法）【小端法：最小值存储在最小的地址，即低位组放在最前面；大端法：最重要的字节存储在最小的地址，即高位组放在最前面】

• 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分

• 如果数据类型是子数组，那么它的形状和数据类型是什么

每个内建类型都有一个唯一定义它的字符代码

字符	对应类型
b	布尔型
i	(有符号) 整型
u	无符号整型 integer
f	浮点型
c	复数浮点型
m	timedelta（时间间隔）
M	datetime（日期时间）
O	(Python) 对象
S, a	(byte-)字符串
U	Unicode
V	原始数据 (void)

实例8:类似于C语言中的结构体，提前创建一个所需的数据类型

import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
print(a)

2、创建Ndarray数组对象

说明

numpy默认ndarray的所有元素的类型是相同的，这一点与Python中的list不同

如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int

array()函数

list1 = ['小猪小猪了了了', '小狗小狗汪汪汪', '小羊小羊嘛嘛嘛', '青蛙青蛙呱呱叫']
# array()
print('array()')
arr1 = np.array(list1)
print(arr1)
print(type(list1))  # <class 'list'>
print(type(arr1))  # <class 'numpy.ndarray'>

asarray()函数

原型：numpy.asarray(a,dtype=None,order=None)

作用：类似于numpy.array

empty()函数

原型：numpy.empty(shape,dtype=float,order=‘C’)

作用：创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组;初始数据随机

参数	描述
shape	数组形状
dtype	数据类型，可选
order	有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

import numpy as np 
x = np.empty([3,2], dtype = int) 
print (x)

zeros()函数

原型：numpy.zeros(shape,dtype=float,order=‘C’)

作用：创建指定大小的数组，数组元素以0来填充

ones()函数

原型：numpy.ones(shape,dtype=None,order=‘C’)

作用：指定形状的数组，数组元素以1来填充

full()函数

原型：numpy.full(shape,fill_value,dtype=None,order=‘C’)

作用：创建指定形状的数组，数组元素以fill_value来填充

import numpy as np
arr = np.full(5,fill_value=1024)
print(arr)

[1024 1024 1024 1024 1024]

eye()函数

原型：numpy.eye(N,M=None,k=0,dtype=float,order=‘C’)

作用：对角线为1，其他的位置为0

参数	说明
N	行数量
M	列数量，默认等于行数量，可选
dtype	数据类型，可选
order	'C’用于C的行数组，或者’F‘用于FORTRAN的列数组

arange()函数

原型：numpy.arange(start,stop,step,dtype)

作用：创建数值范围并返回ndarray对象，根据start与stop指定的范围以及step设定的步长，生成一个ndarray。

import numpy as np
# arange()
print('arange()')
arr2 = np.arange(1, 100, 2)
print(arr2)
print(type(arr2))

frombuffer()函数

原型：numpy.frombuffer(buffer,dtype=float,count=-1,offset=0)

作用：用于实现动态数组，接受buffer输入参数，以流的形式读入转化成ndarray对象

注意：buffer是字符串的时候，Python3默认str是Unicode类型，所以要转成bytestring在原str前加上b

参数	说明
buffer	可以是任意对象，会以流的形式读入
dtype	返回数组的数据类型，可选
count	读取的数据数量，默认为-1，读取所有数据

import numpy as np
x = b'sunck is a good man'
arr = np.frombuffer(x,dtype='S1')
print(arr)

fromiter()函数

原型：numpy.fromiter(iterable,dtype,count=-1)

作用：从可迭代对象中建立ndarray对象，返回一维数组

import numpy as np
x = [1,2,3,4,5]
z = iter(x)
arr = np.fromiter(z,dtype='f')
print(arr)

logspace()函数

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

作用：创建一个于等比数列

参数	说明
start	序列的起始值为：base**start
stop	序列的终止值为：base**stop.如果endpoint为true，该值包含于数列中
num	要生成的等步长的样本数量，默认为50
endpoint	该值为true时，数列中中包含stop值，反之不包含，默认是True
base	对数log的底数，默认是10
dtype	ndarray的数据类型

import numpy as np
arr = np.logspace(1.0, 2.0, 10)
print(arr)

[ 10. 12.91549665 16.68100537 21.5443469 27.82559402
35.93813664 46.41588834 59.94842503 77.42636827 100. ]

linspace()函数

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

作用：创建一维数组的等差数列构成。

参数	描述
start	序列的起始值
stop	序列的终止值，如果endpoint为true，该值包含于数列中
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
restep	如果为True时，生成的数组中会显示间距，反之不显示。
dtype	ndarray的数据类型

random.rand()函数

作用：rand()函数是随机创建[0,1)的几个随机数

import numpy as np
rand1 = np.random.rand(5)
print(rand1)
rand2 = np.random.rand(3, 4)
print(rand2)

[0.49182049 0.55494283 0.64066511 0.24876895 0.66749408]
[[0.5511636 0.26634502 0.92861776 0.99586307]
[0.18416113 0.6249501 0.30918162 0.67845577]
[0.07673799 0.88851927 0.54545835 0.41263138]]

random.random()函数

原型：random(size=None)

作用：生成[0,1)之间的随机数

random.randint()函数

原型：randint(low,high=None,size=None,dtype=‘1’)

作用：生成随机数

参数	说明
low	包含的下限
high	不包含的上限
size	元素个数
dtype	元素类型

import numpy as np
print("# randint()函数是指定范围的整数随机函数")
randint1 = np.random.randint(1, 5, 10)
print(randint1)
randint2 = np.random.randint(1, 5, (2, 5))
print(randint2)

random.randn()函数

原型：randn(d0,d1,…,dn)

作用：返回一个或一组样本，具有标准正态分布，N(0,1)

import numpy as np
print("# randn()函数是N(0,1)的标准正态分布的随机函数")
randn1 = np.random.randn(5)
print(randn1)
randn2 = np.random.randn(3, 4)
print(randn2)

randn()函数是N(0,1)的标准正态分布的随机函数

[-0.68378205 0.49604937 -0.38792573 0.23037595 1.29181071]
[[-1.11512 1.1876267 -0.67914036 -0.22597874]
[ 1.3300902 0.19336917 0.02158708 -1.2945824 ]
[ 0.01044411 0.07133812 -1.35733938 -0.41487295]]

random.normal()函数

原型：normal(loc=0.0,scale=1.0,size=None)

作用：生成高斯分布的概率密度随机数

参数	说明
loc	浮点型，此概率分布的均值（对应着整个分布的中心centre）
scale	浮点型，此概率分布的标准差（对应分布的宽度，scale越大越矮胖，scale越小越瘦高）
size	输出的shape，默认为None，只输出一个值

4、Ndarray数组属性

Numpy数组的维度称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。

在Numpy中，每一个线性的数组称为是一个轴（axis）,也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是Numpy中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维度

很多时候可以声明axis。axis=0，表示沿着第0轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

常用属性

属性	说明
ndim	秩，即轴的数量或维度的数量
shape	数组的维度，对于矩阵，n行m列
size	数组元素的总个数，相当于.shape中n*m的值
dtype	ndarray对象的元素类型
itemsize	ndarray对象中的每个元素的大小，以字节为单位
flags	ndarray对象的内存信息
real	ndarray元素的实部
imag	ndarray元素的虚部
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

------ 以上内容均为学习笔记仅供参考，如有不准确或错误内容，望您批评指教。