Numpy数组的基本使用

Numpy学习笔记002

四、Numpy数组的基本使用

1.什么是数组

数组是 NumPy 库的核心数据结构。它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。一个 ndarray是具有相同类型和大小的项目的（通常是固定大小的）多维容器。 尺寸和数组中的项目的数量是由它的shape定义， 它是由N个非负整数组成的tuple，用于指定每个维度的大小。组中项目的类型由单独的data-type object (dtype)指定， 其中一个与每个ndarray相关联。

2.Numpy如何创建数组(ndarray对象)

数组的创建有以下几个方法：

1. 从其他Python结构（例如，列表，元组）转换
2. numpy原生数组的创建（例如，arange、ones、zeros等）
3. 从磁盘读取数组，无论是标准格式还是自定义格式
4. 通过使用字符串或缓冲区从原始字节创建数组
5. 使用特殊库函数（例如，random）

使用常见方法创建实例数组。
使用的是jupyter notebook 编辑器

2.1 根据Python中的列表生成：

import numpy as np
a1 = np.array([1,2,3,4])
print(a1)
print(type(a1))

[1 2 3 4]
<class 'numpy.ndarray'>

2.2 使用np.random生成随机数的数组

import numpy as np
a3 = np.random.random((2,2))   # 生成2行2列的随机数的数组
print(a3)
print("="*20)
a4 = np.random.randint(0,10,size=(2,2))    # 元素是从0-10之间随机的2行2列的数组
print(a4)

[[0.18899973 0.42858053]
 [0.43177188 0.90261865]]
====================
[[7 2]
 [1 1]]

2.3 numpy原生数组的创建

用函数生成特殊的数组

2.3.1 numpy.arange生成

np.arange的用法类似于Python中的range：

import numpy as np
a2 = np.arange(2,21,2)
print(a2)
print(type(a2))

[ 2  4  6  8 10 12 14 16 18 20]
<class 'numpy.ndarray'>

2.3.2 numpy.zeros()函数

生成的数组元素都为0

import numpy as np
a5 = np.zeros((4,3))   #生成一个所有元素都是0的4行3列的数组
print(a5)

[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]

2.3.3 numpy.ones()函数

生成的数组元素都为1

import numpy as np
a6 = np.ones((2,6))  #生成一个所有元素都是1的2行6列的数组
a6

array([[1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.]])

2.3.4 numpy.full((M,N),n)函数

生成一个所有元素都是n的M行N列的数组

import numpy as np
a7 = np.full((4,2),14)    # 生成一个所有元素都是14的4行2列数组
a7

array([[14, 14],
       [14, 14],
       [14, 14],
       [14, 14]])

2.3.5 numpy.eye(n)函数

生成一个 nXn 的数组， 左上到右下的斜对角线为元素都为1，其余元素为0

import numpy as np
a8 = np.eye(5)   #生成一个在斜方形上（左上到右下）元素为1，其他元素都为0的5x5的矩阵
a8

array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])