欢迎来到@一夜看尽长安花 博客,您的点赞和收藏是我持续发文的动力
对于文章中出现的任何错误请大家批评指出,一定及时修改。有任何想要讨论的问题可联系我:3329759426@qq.com 。发布文章的风格因专栏而异,均自成体系,不足之处请大家指正。
专栏:
文章概述:对创建Numpy多维数组 的介绍
关键词:创建Numpy多维数组
本文目录:
之前我们创建都是一维数组,numpy可以创建多维数组
import numpy as np
np.array()
np.arrange()
np.arrange().nbytes
np.dtype( ).itemsize
A = np.array()
print(A.shape) #A.shape:返回一个表示数组形状的元组
print(A.ndim) #A.ndim 返回数组的维度数量
print(A.size) #A.size:返回数组 A 中所有元素的总数量
A = np.array([
[1,2,3],
[4,5,6]
])
print(A.shape) #A.shape:返回一个表示数组形状的元组
print(A.ndim) #A.ndim 返回数组的维度数量
print(A.size) #A.size:返回数组 A 中所有元素的总数量
B = np.array([
[
[12,11,10],
[9,8,7],
],
[
[6,5,4],
[3,2,1]
]
])
print(B.shape)
print(B.ndim)
print(B.size)
# 当我们创建ndarray时需要小心,如果形状不一致,就会变成普通的python对象
C = np.array([
[
[12,11,10],
[9,8,7],
],
[
[6,5,4]
]
])
print(C.dtype)
print(C.shape)
print(C.size)
对于矩阵的索引和切片
在 NumPy 中,切片操作的第二个索引是不包括在结果中的(即是开区间)。
A = np.array([
[1,2,3],
[4,5,6],
[7,8,9]
])
print(A[1]) # 先行
print("------")
print(A[1][0])
print("------")
print(A[1, 0]) # A[d1, d2, d3, d4]
print("------")
print(A[0:2])
print("------")
print(A[:, :2]) # 所有行
print("------")
print(A[:2, :2])
print("------")
print(A[2:, :2])
print("------")
A = np.array([
[1,2,3],
[4,5,6],
[7,8,9]
])
A[1] = np.array([10, 10, 10])
print(A)
print("------")
A[2] = 99 # 第二行整个都是99
print(A)