python int 型数组_python---numpy（1）

numpy 是什么

1. 简单来说，Numpy 是 Python 的一个科学计算包，包含了多维数组以及多维数组的操作。

2. Numpy 的核心是 ndarray 对象，这个对象封装了同种数据类型的n维数组

3. ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)。

adarray：由两部分组成

① 实际的数据

② 描述这些数据的元数据

# 构建ndarray
import numpy as np # 导入包

# 方法一 ：array
# np.array() 就相当于我们学习过的list,int,str等等,,将其他的数据类型转换为ndarray
# 基本语法
# np.array(data,dtype)  # data :要转换的数据（包括列表，元祖，字符串，生成器），dtype ：指定数据类型
a1=[1,2,3,4]  # 列表
a2=(3,4,5)   ## 元祖
a3=list("abcderfg")  # 字符串  这里注意一下不能直接写成字符串形式，实际上是个由字符串构成的列表



n1=np.array(a1)
n2=np.array(a2)
n3=np.array(a3)
print(n1,n2,n3,sep="n")  # 分隔符为换行
# 输出数组，注意数组的格式：中括号，元素之间没有逗号（和列表区分）

n2  #  #jupyter交互方式下输出，会有array(数组),默认只输出最后一个
n3

# 生成器 range()----生成整数
# 语法range(start,end,step)  start:起始值，end，结束值，step :步长，左闭又开（包括起始值，不包括结束值）
n1=range(10)  # 只要一个数，默认是生成个数
n2=range(5,10) # 有两个参数时，第一个参数时start ，第二个是end
n3=range(0,10,2) # 有三个参数时，第三个是步长


a1=np.array(n1)
a2=np.array(n2)
a3=np.array(n3)
print(a1,a2,a3,sep="n")

#  arange：Python内建函数range的数组版，返回一个数组。,range:不能生成小数型数组，arange可以生成
# 语法跟range一样的,注意一点的是，np.arange 直接生成数组，而不需要转换
n1=np.arange(10)  
n2=np.arange(5,10)
n3=np.arange(0,10,2)
n4=np.arange(10.0)  # 小数型

print(n1,n2,n3,n4,sep="n")

print(n4.dtype,n1.dtype,sep="n") # 查看数据类型 dtype方法

# 创建矩形时，会跟一维数组有什么不一样呢?
a1=[[1,2,3],[2,3,4]] # 二维列表，我刚开始学的时候，有几个中括号，我就判断几维
a2=[[1,2,3],["a","b","c"]] # 不同数据类型
a3=[[1,2,3],[6,7,8,9]]

n1=np.array(a1)
n2=np.array(a2)
n3=np.array(a3)
print(n1,n1.dtype)#
print() # 换行
print(n2,n2.dtype)
print()
print(n3,n3.dtype)

1. 从上面的n3 结果来看,虽然不报错，也不建议，所以我们一般要求是，多维数组的中的每个元素中的元素的个数尽量一致
2. n2原来列表来看是，有整数型，字符串型数据，但从结果来看，整数型变成字符串型了？为什么呢，下面我会讲的
3. 核心：ndarray里面只能装同一种数据类型，且多维数组中的每个元素中的元素个数最好一致

#  浮点型我们一般是用float64，整型一般用int ，int8-32，
# 重点: ndarray里面只能装同一种数据类型，再重复一遍
#请记住，不同于 Python 列表，NumPy 要求数组必须包含同一类型的数据。如果类型不匹配，NumPy 将会向上转换（如果可行）。

#下面让我们来看一下什么叫做**向上转换**（也可以理解为向兼容性更强的方向转换）.

# 字符串和其他类型的转换
L=[1,3,4,"1"]
L2=[1,2,3,"A"]
n1=np.array(L,dtype="int")   # 结果报错，这里我注释，为了看结果，你们可以自己运行一下
#n2=np.array(L2,dtype="int")
print(n1,n1.dtype)
# 可以看到，向下转换时，数字字符串才可以向下转换，其他字符串不可以

[1 3 4 1] int32

# 从上面可以看到，转换类型的方式，有点不友好，是把其他数据类型转换为数组时，设置类型，但是要是已经数组的?怎样转换类型
# .astype()
a=[1,2,3,4]
n=np.array(a)
print(n,n.dtype)
print()
n1=n.astype(np.float64) # 变成浮点型,注意一点的是，转换类型时候，原数组不变，重新生成一个数组，再变换类型
print(n,n1,n1.dtype,sep="n")

[1 2 3 4] int32
[1 2 3 4]
[1. 2. 3. 4.]
float64

明天再更新