Numpy中多维数组创建及其基本属性（一）

---

前言

python中创建数组有一定的限制，而python借助numpy库却有许多扩展，功能更多，那么如何创建呢？ 请大家看过来！

---

一、怎么判断维度？

–这里我们主要是通过看外中括号的数判断，当然还有别的方法，会在多维数组(ndarray)对象的属性中讲到的！

1.一维:

arr1 = [1,2,3]

2.二维:

arr2 = [[1,2,3],[4,5,6]]

3.三维:

arr3 = [[[1,2,3],[1,2,3]],[[1,2,3],[1,2,3]]]

二、多维数组(ndarray)创建的方法 有主要哪些？

调用numpy中方法时，注意一定一定要导库！

1. array函数

array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)

代码如下（示例）：

object:接收一个数组对象
dtype：数据类型，你可以设置
copy：对象是否要复制
order: {‘C’， ‘F’}，可选。输出应该以行为主(c风格)，还是在内存中以列为主(fortran风格)顺序
subok:默认返回一个与基类类型一致的数组
ndmin:设置当前最小的维度

2. arange函数

arange([start,] stop[, step,], dtype=None)
类似于内置的range函数，用于创建数组
arange 中取值左闭右开
代码如下（示例）：

start：开始值，可以省略
stop:结尾值，取不到
step:间隔 取值
dtype：数据类型，你可以设置

3. linspace函数

linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None,
axis=0):
在指定的间隔内返回均匀间隔的数字。
代码如下（示例）：

start：开始值
stop: 结尾值
num: 均匀取的个数，50，表示取50个
endpoint：端点，可选。如果为True， ’ stop ‘是最后一个样本就可以取。否则，反之
retstep: bool,可选。如果为True，返回(’ samples '， ’ step ‘)，其中’ step '是间距之间的样本
dtype：数据类型，你可以设置
axis：0表示行，1表示列

4. logspace函数

logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None,
axis=0):
创建指定个数的等比数列。

代码如下（示例）：

start：开始值
stop: 结尾值
num: 均匀取的个数，50，表示取50个
base: 这个基数的等比数列
endpoint：端点，可选。如果为True， ’ stop '是最后一个样本就可以取。否则，反之
dtype：数据类型，你可以设置
axis：0表示行，1表示列

5. eye函数

eye(N, M=None, k=0, dtype=float, order=‘C’)
可创建正方形的N*N单位矩阵，np.eye可以创建矩形矩阵。
代码如下（示例）：

N:输出的行数
M:输出的列数
K:对角线的索引,默认为0。0时就是对角线，值大于0时对角线往上走，值小于0时对角线往下走
dtype：数据类型，你可以设置
order: {‘C’， ‘F’}，可选。输出应该以行为主(c风格)，还是在内存中以列为主(fortran风格)顺序

6. identity函数

identity(n, dtype=None)
可创建正方形的N*N单位矩阵，np.identity 只能 创建方形矩阵，

代码如下（示例）：

n:几行几列
dtype：数据类型，你可以设置

7. zeros、zeros_like函数

zeros(shape, dtype=None, order=‘C’)
zeros_like(a, dtype=None, order=‘K’, subok=True, shape=None)
创建全0数组
zeros_like以另一个数组为参考，根据其形状和dtype创建全0数组
代码如下（示例）：

shape：一个数组
dtype：数据类型，你可以设置
order: {‘C’， ‘F’}，可选。输出应该以行为主(c风格)，还是在内存中以列为主(fortran风格)顺序

a:接收另一个数组，以它为参考

8. ones、ones_like函数

ones(shape, dtype=None, order=‘C’)
ones_like(a, dtype=None, order=‘K’, subok=True, shape=None)
创建全1数组
ones_like以另一个数组为参考，根据其形状和dtype创建全1数组
代码如下（示例）：

shape：一个数组
dtype：数据类型，你可以设置
order: {‘C’， ‘F’}，可选。输出应该以行为主(c风格)，还是在内存中以列为主(fortran风格)顺序

a:接收另一个数组，以它为参考

9. empty、empty_like函数

empty(shape, dtype=None, order=‘C’)
empty_like(a, dtype=None, order=‘K’, subok=True, shape=None)
同上。创建没有具体值的数组（垃圾值）
代码如下（示例）：

shape：一个数组
dtype：数据类型，你可以设置
order: {‘C’， ‘F’}，可选。输出应该以行为主(c风格)，还是在内存中以列为主(fortran风格)顺序

a:接收另一个数组，以它为参考

10. diag函数

diag(v, k=0)
以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换成方阵（非对角线元素为0）.两种功能角色转变取决于输入的v。

代码如下（示例）：

v : array_like.
如果v是2D数组，返回k位置的对角线。
如果v是1D数组，返回一个v作为k位置对角线的2维数组。
k : int, optional

产生随机数需要用到numpy中ramdom模块

既然是随机数每次运行产生的结果是不一样的（为什么了，请看到seed函数部分！）

11. rand函数

rand(d0, d1, …, dn)
产生均匀分布的样本值(在0~1中取随机数）

代码如下（示例）：

d0, d1, …, dn：填数字，填1个是一维，2个是二维，以此类推

12. random函数

random(size=None)
产生随机数(在0~1中取随机数）

代码如下（示例）：

size：一个数组

13. randint函数

randint(low, high=None, size=None, dtype=None)
给定范围内取随机整数。

代码如下（示例）：

low:最小值
high：最大值
size：一个数组
dtype：数据类型

14. randn函数

randn(d0, d1, …, dn)
产生正态分布的样本值。

代码如下（示例）：

d0, d1, …, dn：填数字，填1个是一维，2个是二维，以此类推

15. seed函数

seed(self, seed=None)
随机数种子。(随机数每次运行产生的结果是不一样的,但有了seed函数可以让输出的结果是一样的）之前没有设置种子数，每运行一次随机数种子数都会变。所有随机数每次运行产生的结果是不一样的！

代码如下（示例）：

seed：种子数

16. permutation函数

permutation(x)
对一个序列随机排序，不改变原数组

x:加入一个数组（变量）

代码如下（示例）：

17. shuffle函数

shuffle(x)
对一个序列随机排序，改变原数组。

代码如下（示例）：

x:加入一个数组（变量）（为什么shuffle返回none?
因为在这个函数中的return的值是none)

18. uniform函数

uniform(low=0.0, high=1.0, size=None)
产生具有均匀分布的数组

代码如下（示例）：

low:起始值
high:结束值
size:形状,一个数组

19. normal函数

normal(loc,scale,size)
产生具有正态分布的数组

代码如下（示例）：

loc:均值
scale:标准差。
size:形状,一个数组

20. poisson函数

poisson(lam,size)
产生具有泊松分布的数组

代码如下（示例）：

lam随机事件发生率
size:形状,一个数组

三、多维数组(ndarray)对象的属性 有主要哪些？

多维数组(ndarray)对象的属性

1. ndim

表示数据轴的个数，即数组的维度(这里也可以判断维度）
代码如下（示例）：

2. shape

表示数组的尺寸，返回一个元组，为几行几列(这里也可以判断维度）

代码如下（示例）：

这是什么意思呢？
我们看括号里数字，括号里有几位数就是几维！
如：（2，2，3）有3个数 表示为三维数组

（2，2，3）表示是一个三维数组，里面有2个二维数组，每二维数组中有2个一维数组，每一维数组中有3个数！

还没理解 再看下一个例子：
（3，4，5，2）表示是一个四维数组，里面有3个三维数组，每三维数组中4个二维数组，每二维数组中有5个一维数组，每一维数组中有2个数！

这下该明白了吧！=><=

3. size

表示元素的总数（就是一个数组中有几个数）

代码如下（示例）：

4. reshape

可以改变数组的维度 但要保持个数一样

代码如下（示例）：

开始是一个2行3列，该后成了3行2列！

5. dtype

表示数据类型

代码如下（示例）：

这里默认的数据类型是 int32, 可以通过astype来改变数据类型

代码如下（示例）：

6. itemsize

表示数组中每个元素的字节大小

arr4数组的数据类型是int32 ,对于计算机而言，1个字节是8位，所以arr4的itemsize属性值为4！（32/8=4）
如果是arr4数组的数据类型是int64，arr4的itemsize属性值为8！（64/8=8）

---

总结

Numpy中多维数组创建及其基本属性还有许多，我只写了一些基础的。很多写的也没那么好，如果有写错了的，希望大家能指出！谢谢了！抱拳！抱拳！