numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
object 数组或嵌套的数列
dtype 数组元素的数据类型,可选
copy 对象是否需要复制,可选
order 创建数组的样式,C为行方向,F为列方向,A为任意方向(默认)
subok 默认返回一个与基类类型一致的数组
ndmin 指定生成数组的最小维度
numpy的数组类成为ndarray。python的array.array只能处理一维数组
ndarray.ndim:数组的轴(维度)个数,维度的数量被称为rank
ndarray.shape:数组的维度,表示每个维度中数组的大小。对于有n行m列的矩阵,shape是(n,m)
一个例子
a=np.arange(15).reshape(3,5)
a
a.shape
a.ndim
a.dtype
a.itemsize
type(a)
b = np.array([6,7,8])
type(b)
创建数组方法
#1
b = np.array([1.2,3.5,5.1])
type(b) //numpy.ndarray
b.dtype //dtype('float64')
a=np.array(1,2,3,4) //错误
a=np.array([1,2,3,4]) //正确,应用列表
#2
b = np.array([(1.5,2,3),(4,5,6)])
b \\array([[1.5, 2. , 3. ],
\\ [4. , 5. , 6. ]])
#3
np.arange(0,2,0.3)
\\array([0.,0.3,0.6,1.2,1.5,1.8])
由于arange与浮点参数一起使用时通常不可能预测获得的元素数量,一般最好使用linspace,它接收我们想要的元素数量而不是步长作为参数
np.linspace(0,2,9)
//array([0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ])
np.linspace(0,2*pi,100)
f=np.sin(x)