Python入门教程(二):Numpy数组基础

点击上方蓝字关注我们

本文代码已经整理到百度网盘，领取方式详见文末！

Python中的数组操作几乎等同于Numpy数组操作，今天我们会展示用Numpy数组操作获取数据或者子数组，对数组进行分裂，变形和连接的例子。

首先，我们先介绍几类基本的数组操作：

数组的属性

确定数组的大小，形状，储存大小，数据类型

数组的索引：

获取和设置各个元素的值

数组的切分：

在大的数组中获取或设置更小的子数组

数组的变形

改变给定数组的形状

数组的拼接和分裂

将多个数组合并为一个，以及将一个数组分类为多个。

1

Numpy数组的属性

Numpy数组的属性包括ndim(数组的维度),shape(数组每个维度的大小),size(数组总的大小)，dtype(数据类型)以及itemsize(每个数组元素的字节大小)下面我们通过几个示例来了解数组的属性。

首先，生成不同维度的数组。

import numpy as np
np.random.seed(0)  # 设置随机种子数，保证程序执行时每次都可以生成同样的随机数组


x1 = np.random.randint(10, size=6)  # 一维数组
x2 = np.random.randint(10, size=(3, 4))  # 二维数组，创建三行四列的数组
x3 = np.random.randint(10, size=(3, 4, 5))  # 三维数组


x3 
# 查看x3数组


# array([[[8, 1, 5, 9, 8],
#         [9, 4, 3, 0, 3],
#       [5, 0, 2, 3, 8],
#        [1, 3, 3, 3, 7]],


#       [[0, 1, 9, 9, 0],
#        [4, 7, 3, 2, 7],
#        [2, 0, 0, 4, 5],
#        [5, 6, 8, 4, 1]],


#       [[4, 9, 8, 1, 1],
#       [7, 9, 9, 3, 6],
#        [7, 2, 0, 3, 5],
#        [9, 4, 4, 6, 4]]])

其次，查看x3数组的属性，有结果可见，x3是一个3维的数组，每一个维度都有三行四列，其中一共包含60个元素。

print("x3 ndim: ", x3.ndim)
print("x3 shape:", x3.shape)
print("x3 size: ", x3.size)


# x3 ndim:  3
# x3 shape: (3, 4, 5)
# x3 size:  60

查看数组的数据类型

print("dtype:", x3.dtype)
# dtype: int64

查看数组每个元素的字节大小，一般情况下nbytes=itemsize*size

print("itemsize:", x3.itemsize, "bytes")
pri