"""
Numpy最重要的一个特点就是其N维数组对象(即ndarray),该对象是一个快速而灵活的大数据集容器。
可以利用这种数组对整块数据执行一些数学运算,其语法跟标量元素之间的运算一样
"""
import numpy as np
data = np.random.randn(2, 3)
print(data)
print(data * 10)
print(data + data)
"""
ndarray是一个通用的同构数据多维容器,也就是说,其中的所有元素必须使相同类型的。
数组包含两个属性:
1.shape:表示各维度大小的元组
2.dtype:表示数组数据类型的对象
"""
print(data.shape) # (2, 3)
print(data.dtype) # float64
"""
创建ndarray数组最简单的方法就是使用array函数。它接受一切序列型的对象(包括其他数组),然后产生一个新的含有传入数据的Numpy数组
"""
data_1 = [0, 1, 2, 3, 4]
arr_1 = np.array(data_1)
print(arr_1)
"""
嵌套序列(比如一组等长列表组成的列表)将会被转换成为一个多维数组
"""
data_2 = [[1, 2, 3, 4], [5, 6, 7, 8]]
arr_2 = np.array(data_2)
print(arr_2)
"""
因为data_2是列表的列表,Numpy数组arr_2的两个维度的shape是从data_2引入的,可以用属性ndim和shape验证
"""
print(arr_2.ndim) # 2
print(arr_2.shape) # (2, 4)
"""
除np.array之外,还有一些函数也可以新建数组。
np.zeros():可以创建指定长度或形状的全0数组
np.ones():可以创建指定长度或形状的全1数组
np.empty():创建一个没有任何具体值得数组
用以上三种方法创建多维数组时,只需要传入一个表示形状的元组即可
np.arange()是Python内置函数range的数组版,返回的是一个数组ndarry,而不是一个列表
"""
一、Numpy-2.创建数组
最新推荐文章于 2024-04-29 14:21:24 发布