1 NumPy的ndarray:一种多维数组对象
以下代码的前提:import numpy as np
ndarray(N维数组对象):是一个快速灵活的大数据集容器。可以利用这种数组对整块数据执行一些数学运算,其语法跟标量元素之间的运算一样。
1 >>> from numpy importarray2 >>> data = array([[0.926, -0.246, -0.8856], [0.5639, 0.2379, 0.9104]])3 >>> print (data * 10)4 [[ 9.26 -2.46 -8.856]5 [ 5.639 2.379 9.104]]6 >>>data.shape7 (2, 3)8 >>>data.dtype9 dtype('float64')10 >>>
ndarray是一个通用的同构数据多维数组,也就是所,其中的所有元素必须是相同类型的。每个数组都有一个shape(一个表示各维度大小的元组)和一个dtype(一个用于说明数组数据类型的对象)。
1.1 创建ndarray
创建数组最简单的办法是使用array()函数。它接受一切序列型的对象(包括其他数组),然后产生一个新的含有传入数据的NumPy数组。嵌套序列将会被转换为一个多维数组。
1 >>> from numpy importarray2 >>> data1 = [6, 7.5, 9, 0, 1]3 >>> arr1 =array(data1)4 >>>arr15 array([6. , 7.5, 9. , 0. , 1. ])6 >>> data2 = [[1, 2, 3, 4], [5, 6, 7, 8]]7 >>> arr2 =array(data2)8 >>>arr29 array([[1, 2, 3, 4],10 [5, 6, 7, 8]])11 >>>arr2.ndim12 2
13 >>>arr2.shape14 (2, 4)15 >>>
np.array之外,还有一些函数也可以创建数组,比如zeros和ones分别创建指定长度或形状的全0或全1数组。empty可以创建一个没有任何具体值的数组,返回的是一些未初始化的垃圾值。
1 >>> importnumpy as np2 >>> np.zeros(10)3 array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])4 >>> np.zeros((2, 3))5 array([[0., 0., 0.],6 [0., 0., 0.]])7 >>> np.ones(5)8 array([1., 1., 1., 1., 1.])9 >>> np.ones((2, 3))10 array([[1., 1., 1.],11 [1., 1., 1.]])12 >>> np.empty((2, 3, 2))13 array([[[6.23042070e-307, 3.56043053e-307],14 [1.37961641e-306, 6.23039354e-307],15 [6.23053954e-307, 9.34609790e-307]],16
17 [[8.45593934e-307, 9.34600963e-307],18 [1.86921143e-306, 6.23061763e-307],19
arange()是python内置函数range的数组版本。
1 >>> np.arange(10)2 array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
下表是数组创建函数:
函数
说明
array
将输入数据(列表、元组、数组或其他序列类型)转换为ndarray
asarray
将输入转换为ndarray,如果输入本身就是一个ndarray就不进行复制
arange
类似于内置的range,但返回的是一个ndarray而不是列表
ones、ones_like
根据指定的形状和dtype创建一个全1数组。ones_like以另一个数组为参数,并根据其形状和dtype创建一个全1数组
zeros、zeros_like
类似于ones和ones_like,只不过产生的是全0数组
empty、empty_like
创建新数组,只分配内存空间但不填充任何值
eye、identity
创建一个正方的NxN单位矩阵(对角线为1,其余为0)
1.2 ndarray的数据类型
dtype(数据类型)是一个特殊的对象,它含有ndarray将一块内存解释为特定数据类型所需要的信息。
1 >>> arr1 = np.array([1, 2, 3], dtype=np.float64)2 >>> arr2 = np.array(