Numpy 基础知识之“多维数组的创建”——《Python数据分析与应用》笔记

Numpy 是用于数据科学计算的基础模块，除了能完成科学计算的任务，还能够被用做高效的 多维数据容器 ，用于存储和处理大型矩阵。

Numpy 数组对象 ndarray

Python 中提供的 array 模块，能直接保存数值，跟 C 语言中的一维数组比较类，但不支持多维，也没有各种各样的运算函数。但是 Numpy 中的 ndarray 对象，弥补了这些不足，它是可以存储单一数据类型的多维数组。

ndarray（N-dimensional Array Object）属性和创建

想要掌握 ndarray 对象，首先必须先了解一下，该对象的属性：

属性	说明
ndim	ndarrayObject.ndim 将返回一个 int 类型的值，表示 数组的维数
shape	ndarrayObject.shape 将以元组（tuple）形式返回数组的“尺寸”，也就是说“$n$ 行 $m$ 列的矩阵”将返回(n, m)
size	ndarrayObject.size 将返回一个 int 类型的值，表示数组中 元素的总数。如，“$n$ 行 $m$ 列的矩阵” 将返回 n*m对应的 int 值
dtype	返回一个 data-type类型，描述的是数组中元素的类型（至于都有哪些数据类型，请到）
itemsize	ndarrayObject.itemsize 将返回一个 int 类型的值，表示数组中每个元素的大小（以字节B为单位）。如，一个元素的类型为 float64 的数组，则其 itemsize 属性的值为 8 （float64 占 64 位，一个字节是 8 位，64/8 = 8）。

了解了 ndarray 对象的属性，下面就是如何创建一个数组：

• 使用 ndarray 对象的 array 函数创建
• 使用 ndarray 对象的 arange 函数创建
• 使用 ndarray 对象的 linspace 函数创建
• 使用 ndarray 对象的 logspace 函数创建
  除此之外，Numpy 还提供了其他函数创建特殊的数组：
• zeros 函数
• eye 函数
• diag 函数
• ones 函数

下面就对上述创建数组的函数进行一一介绍：

array 函数

基本语法和主要参数讲解：

numpy.array(
	object,  # 接收一个 array，表示想要创建的数组。无默认值。
	dtype = Nonem,  # 接收一个 data-type，表示数组所需要的数据类型。如果没有给定，则选择 object 参数中所需要的最小类型。默认为 None
	copy = True,
	order = 'K', 
	subbok = False, 
	ndmin = 0 # 接收一个 int 类型的值，指定生成的数组应该具有的最小维数。默认为 None
)

具体示例：

# 创建数组
import numpy as np # 导入Numpy库
array1 = np.array([1, 2, 3, 4, 5]) # 创建一个