Numpy 的常用操作
1.ndarry 对象
NumPy 最重要的一个特点是其 N 维数组对象 ndarray,它是一系列同类型数据的集合,以 0 下标为开始进行集合中元素的索引。
ndarray 对象是用于存放同类型元素的多维数组。
import numpy as np
a = np.array([1,2,3])
print(a)
[1,2,3]
#多于一个维度
import unmpy as np
a = np.array([1,2],[1,3]) #二维数据
print(a)
[[1,2]
[1,3]]
2.numpy 数组属性
属性 | 说明 |
---|---|
ndarray.ndim | 秩,即轴的数量或维度的数量 |
ndarray.shape | 数组的维度,对于矩阵,n 行 m 列 |
ndarray.size | 数组元素的总个数,相当于 .shape 中 n*m 的值 |
ndarray.dtype | ndarray 对象的元素类型 |
ndarray.itemsize | ndarray 对象中每个元素的大小,以字节为单位 |
ndarray.flags | ndarray 对象的内存信息 |
ndarray.real | ndarray元素的实部 |
ndarray.imag | ndarray 元素的虚部 |
ndarray.data | 包含实际数组元素的缓冲区,由于一般通过数组的索引获取元素,所以通常不需要使用这个属性。 |
3.创建数组
#创建一个空数组的实例
import numpy as np
x = np.empty([2,3],dtype = int)
print(x)
[[1 1 2]
[2 3 4]]
#创建一个数组实例,其中元素以0填充
import numpy as np
x = np.zeros([2,3])
print(x)
[[0. 0. 0.]
[0. 0. 0.]]
#创建一个数组实例,其中元素以1填充
import numpy as np
x = np.ones([2,3])
print(x)
[[1. 1. 1.]
[1. 1. 1.]]
# list转换为 ndarray
l = range(10)
data = np.array(l)