numpy__python(第二个）

numpy

numpy属性

.shape 查看数组的形状
.ndim 查看数组中有几个维度
.size 查看数组中有几个数据
.dtype 查看数组是什么类型
.itemsize 查看数组中数据占几个字节

import numpy as np
a=np.arange(0,12).reshape(3,4)
 #查看a是什么形状
print(a.shape)
 #查看a有几个维度
print(a.ndim)
 #查看a有几个数据
print(a.size)
 #查看a是什么类型
print(a.dtype)  
 #查看a中数据占几个字节
print(a.itemsize)

结果为：
(3, 4)
2
12
int32
4

numpy形状

一维数组
一维数组形状 表示为 （5，）

a=np.array([1,2,3,4,5]) #创建一维数组
print(a.shape)   #一维数组形状 表示为    （5，）

结果为
(5,)

二维数组
创建二维数组 方法一

b=np.array([[1,2,3,4,5],[6,7,8,9,10]]) #创建二维数组  方法一
print(b)

结果为
[[ 1 2 3 4 5]
[ 6 7 8 9 10]]

#创建二维数组 方法二

b1=np.arange(1,11).reshape(2,5)#创建二维数组  方法二
print(b1)
print(b.shape)   #二维数组形状 表示为   (2, 5)

结果为
[[ 1 2 3 4 5]
[ 6 7 8 9 10]]
(2, 5)

三维数组
创建三维数组 方法一

c=np.array([[[1,2,3],[4,5,6],[7,8,9]]])
print(c)
print(c.shape)    #三维数组形状 表示为  (1, 3, 3)

结果为
[[[1 2 3]
[4 5 6]
[7 8 9]]]

(1, 3, 3)

创建三维数组 方法二

c1=np.arange(1,13).reshape(2,3,2)
print(c1)
print(c1.shape)   #三维数组形状 表示为  (2, 3, 2)

结果为

[[[ 1 2]
[ 3 4]
[ 5 6]]

[[ 7 8]
[ 9 10]
[11 12]]]

(2, 3, 2)

创建数组 的时候指定类型
方法一

d=np.array([1,2,3,4,5],dtype="int64") 
print(d.dtype)

结果为
int64

方法二

d1=np.array([1,2,3,4,5],dtype=np.int64)   #方法二
print(d1.dtype)

结果为
int64

生成0和1的数组

生成都是0

a=np.zeros(shape=(3,4),dtype=np.float32)
print(a)
print(a.dtype)

结果为
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
float32

生成都是1

b=np.ones(shape=(3,5),dtype=np.int64)
print(b)
print(b.dtype)

结果为
[[1 1 1 1 1]
[1 1 1 1 1]
[1 1 1 1 1]]
int64

从现有数组中生成数组

np.array() np.copy() 深拷贝 # 把一个现有的数组放到括号里，进行深拷贝
np.asarray() 浅拷贝

 a=np.arange(1,25).reshape