【每天几分钟,从零入门python编程的世界!】
我们已经知道了用numpy进行数据处理的时候,需要先把Python中的list转换成numpy中的ndarray类型。
现在我们初步了解下ndarray的特点或者说属性,有个大概的认识,这符合我们的认知规律。
我们接着使用上次的代码,上次转换了两个ndarray,现在我们再添加一个ndarray,试着把这些ndarray以及他们的“形状”打印一下,看看是什么样子。
![57dd8e019e2acd98af95653de7b08b76.png](https://i-blog.csdnimg.cn/blog_migrate/80ab849505e43554bbf7cffc6886d254.jpeg)
运行结果:
![d23a7e7300ecc898db27698417be294d.png](https://i-blog.csdnimg.cn/blog_migrate/41d7ccdd43cf5f38529c1198068aebe3.jpeg)
根据运行结果,我们可以看到,vector的“形状”是(10,),相当于10列数字,matrix的形状是(2,10),相当于2行10列,h的“形状”是(3,12),相当于3行12列。
接着我们打印一下它们的“大小”:
![3a5d0bdc8bb74413e89190880df081f9.png](https://i-blog.csdnimg.cn/blog_migrate/1469940777170bb53a2be717b0bf9883.jpeg)
运行结果:
![6a4b088e8bc6989d18df0b3e4e9c572d.png](https://i-blog.csdnimg.cn/blog_migrate/53d46d5a4dd84fd8fff2911d8f9cf75a.jpeg)
我们看到,vector因为有1行10列,所以“大小”是10,matrix有2行10列,所以“大小”是20,h有3行12列,所以“大小”是36。
补充:vector.shape也可以写成np.shape(vector),vector.size也可以写成np.size(vector)。
我们对ndarray有了这样一个大概的认识之后,感觉list和ndarray还是很像的。那么为什么要把Python的list转换成numpy的ndarray呢?或者说list和ndarray有什么区别呢?
![e269172460d841fac7c8d0c98ff9945a.png](https://i-blog.csdnimg.cn/blog_migrate/2f483aa108ec8e66d10a0cd42e18fb44.jpeg)
★list包容性强,里面可以放很多objec,可以放float,int,str等各种类型的数据,比如list可以写成["hello