NumPy数组对象ndarray

目录

一、NumPy库的作用

二、NumPy库的下载

三、创建数组对象

（1）、数组的属性及其说明

（2）、数组的创建

（3）、array函数的主要参数及其说明

（4）、创建数组并查看数组数组属性​​​​​​​​​​​​​​

 （5）、重新设置数组的shape属性

 （6）、arange函数的常用参数及其说明

（7）、使用arange函数创建数组

（8）、linspace 函数的常用参数及其说明

（9）、使用 linspace 函数创建数组

（10）、使用logspace 函数创建等比数列

 （11）、使用 zeros 函数创建数组

（12）、 使用eye函数创建数组

（13）、使用diag函数创建数组

（14）、使用ones 函数创建数组

（15）、  NumPy的基本数据类型及其取值范围

（16）、数组的数据类型转换

 （17）、创建数据类型

 （18）、查看数据类型

（19）、自定义数组数据

四、生成随机数

（1）、使用random函数生成随机数

（2）、使用rand函数生成服从均匀分布的随机数

（3）、使用randn函数生成服从正态分布的随机数

（4）、randint函数的常用参数及其说明

（5）、 使用randint 函数生成给定范围的随机数

（6）、random模块中其他常用随机数生成函数

五、通过索引访问数组

（1）、使用索引访问一维数组

 （2）、多维数组的索引

 （3）、使用整数序列索引和布尔值索引访问多维数组

---

一、NumPy库的作用

        numpy（Numerical Python）提供了python对多维数组对象的支持：ndarray，具有矢量运算能力，快速、节省空间。numpy支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

基本功能：

1、快速高效的多维数组对象ndarray

2、用于对数组执行元素级计算以及直接对数组执行数学运算的函数

3、用于读写硬盘上基于数组的数据集的工具

线性代数4、线性代数运算、傅里叶变换、以及随机数生成

5、用户将c、c++、Fortran代码集成到Python的工具

---

注：

除了为Python提供快速的数组处理能力，NumPy在数据分析方面还有另外一个主要作用，即作为在算法之间传递数据的容器

二、NumPy库的下载

打开cmd直接输入命令

pip install numpy

如果你的python版本刚好可以安装这个Numpy，那么恭喜，你的界面就会显示Successfully installed这个字样

但是也会有显示安装失败的，然后比如就会显示如下字样：

You are using pip version 9.0.1, however version 9.0.2 is available.
You should consider upgrading via the 'python -m pip install --upgrade pip' command’.

这就是显示当前pip的版本并不能安装这个Numpy，只用把python -m pip install --upgrade pip' command在cmd里面输一遍，它就会自动开始安装新版的pip。

完成之后就会显示Successfully installed这个字样，或者你需要再输一遍‘pip install numpy’。
这之后就安装成功了

三、创建数组对象

（1）、数组的属性及其说明

属性名称	属性说明
nidim	返回int.表示数组的维度
shape	返回tuple。表水数组形状，对于n行m列的矩阵，形状为（n,m）
size	返回int。表述数组的元素总数，等于数组形状中各元素的积
dtype	返回data-type。表示数组中元素的数据类型
itemsize	返回int。表示数组的每个元素的存储空间(以B 为单位)。例如，一个元素类型为 foat64的数组的itemsize 属性值为 8 ( float64 占用 64bit，1B 为 8bit，所以 float64，占用 8B)。一个元素类型为complex32的数组的 itemsize 属性值为4

（2）、数组的创建

NumPy提供的array 函数可以创建一维或多维数组，其基本使用格式如下：

numpy.array(object,dtype=None,*,copy=True,order='K',subok=False,ndmin=0,like=None

（3）、array函数的主要参数及其说明

参数名称	参数说明
object	接收 array_like。表示所需创建的数组对象。无默认值
dtype	接收 data-type。表示数组所需的数据类型，如果未给定，那么选择保存对象所需的最小的数据类型。默认为 None
ndmin	接收 int。用于指定生成数组应该具有的最小维数。默认为0

（4）、创建数组并查看数组数组属性

import numpy as np#导入numpy库
arr1 = np.array([1,2,3,4]) #创建一维数组
print("创建的数组为",arr1)

#创建二维数组
arr2=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])
print("创建的数组为: \n",arr2)

 

print("数组形状：",arr2.shape)

 

 （5）、重新设置数组的shape属性

arr2.shape=4,3
#重新设置shape
print("重新设置shape后的arr2为：\n",arr2)

arrange函数的基本使用格式如下：

numpy.arange([start, ]stop, [step, ]dtype=None, *,like=None)

 （6）、arange函数的常用参数及其说明

参数名称	参数说明
start	接收 int 或实数。表示数组的开始值，生成的数组包括该值。默认为 0
stop	接收 int 或实数。表示数组的终值，生成的数组不包括该值。无默认值
step	接收 int 或实数。表示在数组中，值之间的步长。默认为 1
dtype	接收数据类型。表示输出数组