Numpy

一种多维数组对象

一、创建ndarry

#一切序列型对象
import numpy as np
data = [6,7.5,8,0,1]
arry = np.array(data)

arry.dtype

dtype('float64')

#嵌套列表将被转化成为登场等长的多维数组
data1 = [[1,2,3,4],[2,3,4,5]]
arry1 = np.array(data1)
arry1

array([[1, 2, 3, 4],
       [2, 3, 4, 5]])

arry1.shape

(2, 4)

arry1.dtype

dtype('int32')

其他创建数组的函数

np.zeros((3,2))#创建全为0的数组

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

np.empty((2,3))#创建一个没有任何数值的数组通常返回未初始化的垃圾值

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

arrange 是range 的数组版本

np.arange(10)

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

二、narry的数据类型

#dtype是一个特殊的对象，它含有将ndarray将一块内存解释为指定数据类型的全部信息。
arr=np.array([1,2,3,4],dtype=np.float64)
arr1 = np.array([1,2,3,4],dtype=np.int32)
print(arr.dtype)
print(arr1.dtype)

float64
int32

可以通过ndarray的astype方法显示的转换其dtype:

arr1=np.array([1,2,3,4,5,6])
arr1.dtype

dtype('int32')

a = arr1.astype(np.float64)

a.dtype

dtype('float64')

a

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

还可以智能的调用其它数组的dtype

int_arr=np.arange(10)
float_arr = np.array([.2,.13,.356,.123],dtype=np.float64)
int_arr.dtype

dtype('int32')

float_arr.dtype

dtype('float64')

a = int_arr.astype(float_arr.dtype)#astype都会创建出一个新的数组，即使新的astype和老astype相同也是如此
a.dtype

dtype('float64')

三、数组和标量之间的运算

arr = np.array([[1,2,3,4,5],[2,3,4,5,6]])
arr*arr

array([[ 1,  4,  9, 16, 25],
       [ 4,  9, 16, 25, 36]])

1/arr

array([[ 1.        ,  0.5       ,  0.33333333,  0.25      ,  0.2       ],
       [ 0.5       ,  0.33333333,  0.25      ,  0.2       ,  0.16666667]])

四、基本的索引和切片

一维数组类似于列表的切片

arr = np.arange(10)
arr[5]

5

arr[5:8]=12#给切片赋值后会自动传播
arr

array([ 0,  1,  2,  3,  4, 12, 12, 12,  8,  9])

arr_slice = arr[5:8]
arr_slice[1] = 12345
arr

array([    0,     1,     2,     3,     4,    12, 12345,    12,     8,     9])

arr2d = np.array([[1,2,3],[4,5,6],[7,8,9]])
arr2d[2]

array([7, 8, 9])

#选取单个元素
arr2d[0,2]

3

#如果省去逗号后面的索引则返回对象是一个维度低一点的数组
arr2d[0]

array([1, 2, 3])

arr3d=np.array([[[1,2,