array背景
Numpy的核心数据结构,就叫做array就是数组,array对象可以是一维数组,也可以是多维数组;
Python的List也可以实现相同的功能,但是array比List的优点在于性能好、包含数组元数据信息、大量的便捷函数;
Numpy成为事实上的Scipy、Pandas、Scikit-Learn、Tensorflow、PaddlePaddle等框架的“通用底层语言”
Numpy的array和Python的List的一个区别,是它元素必须都是同一种数据类型,比如都是数字int类型,这也是Numpy高性能的一个原因;
array本身的属性
shape:返回一个元组,表示array的维度。
ndim:一个数字,表示array的维度的数目。
size:一个数字,表 示array中所有数据元素的数目。
dtype:array中元素的数据类型。
import numpy as np
#创建一个一维数组,也就是Python的单元素List
x = np.array([1,2,3,4,5,6,7,8])
#创建一个二维数组,也就是Python的嵌套List
X = np.array(
[
[1,2,3,4],
[5,6,7,8]
]
)
x.shape#一维元素个数
x.shape
(8,)
X.shape#二维元组个数
(2, 4)
x.ndim
1
X.ndim
2
x.size
8
X.size
8
x.dtype
dtype('int32')
X.dtype
创建array的便捷函数
使用arange创建数字序列
np.arange(10)
输出array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
np.arange(2, 10, 2)#从2开始每隔两个数字输出,截至10
输出array([2, 4, 6, 8])