3 创建Numpy多维数组

 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：

• java全栈
• C&C++
• PythonAI
• PCB设计
• Linux云计算&运维

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

对于矩阵的索引和切片

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)