跳至正文
View Categories

1 min read

主要内容 #

  1. 了解NumPy Ndarray 对象。
  2. 掌握Numpy 创建 array 的多个关键字。

1. Numpy ndarray 对象 #

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。
ndarray 对象是用于存放同类型元素的多维数组。
创建一个 ndarray 只需调用 NumPy 的 array 函数即可：
np.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
代码如下：

import numpy as np
a = np.array([1,2,3])  
b = np.array([[1,  2],  [3,  4]])  
print (a)
print (b)

2. 创建array的多种形式 #

关键字：
*array：创建数组
*dtype：指定数据类型
*zeros：创建数据全为0
*ones：创建数据全为1
*empty：创建数据接近0
*arrange：按指定范围创建数据
*reshape:改变数据的形状

具体如下：

  • （1）：创建数组
a = np.array([2,23,4])  # list 1d
print(a)
# [2 23 4]
  • （2）：指定数据类型 dtype
a = np.array([2,23,4],dtype=np.int)
print(a.dtype)
# int 64
a = np.array([2,23,4],dtype=np.int32)
print(a.dtype)
# int32
a = np.array([2,23,4],dtype=np.float)
print(a.dtype)
# float64
  • （3）：创建特定数据array

创建2维矩阵，2行3列

a = np.array([[2,23,4],[2,32,4]])
print(a)
"""
[[ 2 23  4]
 [ 2 32  4]]
"""

创建全零数组

a = np.zeros((3,4)) # 数据全为0，3行4列
"""
array([[ 0.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  0.]])
"""

创建全一数组, 同时也能指定这些特定数据的 dtype:

a = np.ones((3,4),dtype = np.int)   # 数据为1，3行4列
"""
array([[1, 1, 1, 1],
       [1, 1, 1, 1],
       [1, 1, 1, 1]])
"""

创建全空数组, 其实每个值都是接近于零的数:

a = np.empty((3,4)) # 数据为empty，3行4列
"""
array([[  0.00000000e+000,   4.94065646e-324,   9.88131292e-324,
          1.48219694e-323],
       [  1.97626258e-323,   2.47032823e-323,   2.96439388e-323,
          3.45845952e-323],
       [  3.95252517e-323,   4.44659081e-323,   4.94065646e-323,
          5.43472210e-323]])
"""

用 arange 创建连续数组:

a = np.arange(10,20,2) # 10-19 的数据，2步长
"""
array([10, 12, 14, 16, 18])
"""

使用 reshape 改变数据的形状

a = np.arange(12).reshape((3,4))    # 3行4列，0到11
"""
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
"""

3. 小结 #

  • 熟悉并掌握Ndarray 对象
  • 熟悉掌握Numpy 创建 array 的多个关键字：array、dtype、zeros、ones、empty、arrange、reshape

习题 #

无

What are your Feelings