python-numpy模块

NumPy是一个Python库，用于进行科学计算。它提供了一个多维数组对象，以及许多用于操作数组的函数。NumPy是基于向量化的计算，可以用来执行高效的数值运算。

import numpy as np

一、创建数组

1.创建数组 np.array()

将 Python 列表、元组等序列转换成 NumPy 数组

列表

np.array(['a','b','c','d'])
# array(['a', 'b', 'c', 'd'], dtype='<U1')

np.array([[1,2,3],[4,5,6]])
# array([[1, 2, 3],
#        [4, 5, 6]])

元组

np.array((1,2,3))
# array([1, 2, 3])

2.创建都为0的数组 np.zeros()

np.zeros(9)
# array([0., 0., 0., 0., 0., 0., 0., 0., 0.])

np.zeros((2,5))
# array([[0., 0., 0., 0., 0.],
#        [0., 0., 0., 0., 0.]])

数组有两层矩阵，每个矩阵有5行3列，全部用零填充

np.zeros((2,5,3))
# array([[[0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.]],

#        [[0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.]]])

3.创建都为1的数组 np.ones()

np.ones(5)
# array([1., 1., 1., 1., 1.])

4.创建指定范围内的数组 np.arange()

np.arange(4)
# array([0, 1, 2, 3])

array range 起始数字 终止数字 步长

np.arange(2,9,2)
# array([2, 4, 6, 8])

5.创建一个二维的单位矩阵数组 np.eye()

np.eye(3)
# array([[1., 0., 0.],
#        [0., 1., 0.],
#        [0., 0., 1.]])

6.创建随机数组 np.random.rand()

该数组服从 正态分布
服从0到1之间的均匀分布

np.random.rand(2,3)
# array([[0.2107323 , 0.42571516, 0.92930785],
#        [0.13908875, 0.11276862, 0.33512653]])

创建服从标准正态分布的数组 - - - numpy.random.randn()
均值为0，方差为1的分布

7.创建一维等差数组 np.linspace()

创建一个一维数组，包含从1到9之间，等间隔分为5个元素的数字序列，元素之间的间隔相等

np.linspace(1,9,5)
# array([1., 3., 5., 7., 9.])

np.linspace(2,7,3)
# array([2. , 4.5, 7. ])

二、数组的属性

1.形状 几行几列 维度 shape

a = np.array([[1, 2, 2], [1, 1, 1]])
a.shape		# (2, 3)	# 二维数组
np.shape(a)	# (2, 3)

b = np.array([1, 2, 3])
b.shape	# (3, )	# 一维数组

2.维数 ndim

a = np.array([[1, 2, 2], [1, 1, 1]])
a.ndim	# 2	# 二维数组

3.数组中元素的总数 size

a = np.array([1, 2, 3, 4, 5])
a.size	# 5	# a中有5个元素

4.数组中元素的数据类型 dtype

a = np.array([1, 2, 3, 4, 5])
a