Numpy库

1. 创建数组的几种方式

1.0. 引入Numpy库

#引入numpy库
import numpy as np

1.1. 使用np.array创建数组

# 1. 使用np.array创建数组
a = np.array([1,2,3,4])
#打印数组
print(a)
#查看类型
print(type(a))

1.2. 使用np.arange创建数组

#2. 使用np.arange创建数组
#创建0-10步数为2的数组 结果为[0,2,4,6,8]
b = np.arange(0,10,2)

1.3. np.random.random创建数组

#3. np.random.random创建一个N行N列的数组
# 其中里面的值是0-1之间的随机数
# 创建2行2列的数组
c = np.random.random((2,2))

1.4. np.random.randint创建数组

#4. np.random.randint创建一个N行N列的数组
# 其中值的范围可以通过前面2个参数来指定
# 创建值的范围为[0,9)的4行4列数组
d = np.random.randint(0,9,size=(4,4))

1.5. 特殊函数

#5. 特殊函数
#5.1 zeros
## N行N列的全零数组
### 例如：3行3列全零数组
array_zeros = np.zeros((3,3))
#5.2 ones
## N行N列的全一数组
### 例如：4行4列全一数组
array_ones = np.ones((4,4))
#5.3 full
## 全部为指定值的N行N列数组
### 例如：值为0的2行3列数组
array_full = np.full((2,3),9)
#5.4 eye
## 生成一个在斜方形上元素为1，其他元素都为0的N行N列矩阵
### 例如：4行4列矩阵
array_eye = np.eye(4)

1.6. 注意

 数组中的数据类型必须一致，要么全部为整型，要么全部为浮点类型，要么全部为字符串类型
 不能同时出现多种数据类型

2. 数组数据类型

2.1 数据类型

数据类型	描述	唯一标识符
bool	用一个字节存储的布尔类型（True或False）	b
int8	一个字节大小，-128 至 127	i1
int16	整数，16 位整数(-32768 ~ 32767)	i2
int32	整数，32 位整数(-2147483648 ~ 2147483647)	i4
int64	整数，64 位整数(-9223372036854775808 ~ 9223372036854775807)	i8
uint8	无符号整数，0 至 255	u1
uint16	无符号整数，0 至 65535	u2
uint32	无符号整数，0 至 2 ** 32 - 1	u4
uint64	无符号整数，0 至 2 ** 64 - 1	u8
float16	半精度浮点数：16位，正负号1位，指数5位，精度10位	f2
float32	单精度浮点数：32位，正负号1位，指数8位，精度23位	f4
float64	单精度浮点数：64位，正负号1位，指数11位，精度52位	f8
complex64	复数，分别用两个32位浮点数表示实部和虚部	c8
complex128	复数，分别用两个64位浮点数表示实部和虚部	c16
object_	python对象	O
string_	字符串	S
unicode_	unicode类型	U

2.2 创建数组指定数据类型

import numpy as np
a = np.array([1,2,3,4,5],dtype='i1')
a = np.array([1,2,3,4,5],dtype=int32)

2.3 查询数据类型

class Person:
    def __init__(self,name,age):
        self.name = name
        self.age = age
d = np.array([Person('test1',18),Person('test2',20)])
print(d)
print(d.dtype)

2.4 修改数据类型

f = a.astype('f2')

2.5 总结

（1） Numpy是基于C语言编写，引用了C语言的数据类型，所以Numpy的数组中数据类型多样
（2） 不同的数据类型有利于处理海量数据，针对不同数据赋予不同数据类型，从而节省内存空间

3. 多维数组

3.1 数组维度查询

import numpy as np
# 数组维度
## 维度为1
a1 = np.array([1,2,3])
print(a1.ndim)
## 维度为2
a2 = np.array([[1,2,3],[4,5,6]])
print(a2.ndim)
## 维度为3
a3 = np.array([
    [
        [1,2,3],
        [4,5,6]
    ],
    [
        [7,8,9],
        [10,11,12]
    ]
])
print(a3.ndim)

3.2 数组形状查询

a1 = np.array([1,2,3])
# 结果为(3,)
print(a1.shape)
a2 = np.array([[1,2,3],[4,5,6]])
# 结果为(2,3)
print(a2.shape)
a3 = np.array([
    [
        [1,2,3],
        [4,5,6]
    ],
    [
        [7,8,9],
        [10,11,12]
    ]
])
# 结果为(2,2,3)
print(a3.shape)

3.3 修改数组形状

a1 = np.array([
    [
        [1,2,3],
        [4,5,6]
    ],
    [
        [7,8,9],
        [10,11,12]
    ]
])
a2 = a1.reshape((2,6))
print(a2)
#结果为(2, 6)
print(a2.shape)
# 扁平化 （多维数组转化为一维数组）
a3 = a2.flatten(