当前位置： 移动技术网 > IT编程>脚本编程>Python > numpy的学习（一）什么是numpy以及numpy的基础数据结构数组（创建数组以及数组的基本属性）

numpy的学习（一）什么是numpy以及numpy的基础数据结构数组（创建数组以及数组的基本属性）

2020年07月14日  | 移动技术网IT编程  | 我要评论
  • 创建数组（ np.array()、np.arange()、np.linspace()、np.zeros()、np.zeros_like()、np.ones()、np.ones_like()、np.eye() 、np.random.rand(10).reshape(2,5)）
  • 数组的基本属性（ndim、shape、size、dtype、itemsize）

numpy是python开源的科学计算工具包，numpy还可以进行矩阵运算。python无法完成矩阵运算。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：
一个强大的N维数组对象 ndarray
对数组结构数据进行运算（不用遍历循环）
线性代数、傅里叶变换、随机数生成等功能

numpy的基础数据结构——ndarray

numpy数组是一个多维数组，称为ndarray。

数组和列表：

import numpy as np
#numpy和列表的形式区别(有无逗号)
ar = np.array([1,2,3,4,5])
list1 = [1,2,3,4,5]
print(ar,type(ar)) #输出结果中没有逗号分隔
print(list1,type(list1))#输出结果中有逗号分隔

在这里插入图片描述

(1)创建数组
array()函数
在这里插入图片描述
在这里插入图片描述
array()函数创建一维数组（注意嵌套序列数量不一，会怎样）

import numpy as np
#创建数组 array()函数，括号内可以是列表，元组，数组，生成器等。更多的是用列表或者生成器。
ar1 = np.array(range(10)) #整型
ar2 = np.array([1,2,3.14,5]) #浮点型
ar3 = np.array([True,False,True]) #布尔型


#注意嵌套序列数量不一，会怎样
ar4 = np.array([[1,2,3],('a','b','c','d')])
ar5 = np.array([[1,2,3],[10,3,5,8]])

print('ar1: ',ar1,ar1.shape,type(ar1),ar1.dtype) #一维数组，一共10个元素
print('ar2: ',ar2,ar2.shape,type(ar2),ar2.dtype) #一维数组，一共4个元素
print('ar3: ',ar3,ar3.shape,type(ar3),ar3.dtype) #一维数组，一共三个元素

#！！！！注意下面的输出结果
print('_______________________')
print('ar4: ',ar4,ar4.shape,type(ar4),ar4.dtype) #一维数组，一共两个元素
print((ar4[0]),type(ar4[0]),type(ar4[1])) 
print('ar5: ',ar5,ar5.shape,type(ar5),ar5.dtype) #一维数组，一共两个元素
print((ar5[0]),type(ar5[0]),type(ar5[1]))

在这里插入图片描述
array()函数创建二维数组

#二维数组
#注意嵌套序列数量一样和不一样的对比结果

ar1 = np.array([[1,2,3],('a','b','c')])#二维数组，嵌套序列（列表。元组均可）
ar2 = np.array([[1,2,3],[5,2,7]])#二维数组，嵌套序列（列表。元组均可）
ar3 = np.array([[1,2,3],('a','b','c','d')])

print('ar1:  ',ar1,ar1.shape,type(ar1),ar1.dtype) #二维数组，两行三列
print('ar2:  ',ar2,ar2.shape,type(ar2),ar2.dtype)  #二维数组，两行三列
print('ar3:  ',ar3,ar3.shape,type(ar3),ar3.dtype)  #一维数组，一共两个元素

在这里插入图片描述
arange()创建数组

#创建数组arange([start,] stop[, step,], dtype=None)
ar1 = np.arange(10) #0-9的整型
ar2 = np.arange(10.0) #浮点型
ar3 = np.arange(5.0,9.0)
ar4 = np.arange(5,9,2)#步长为2
print(ar1,type(ar1))
print(ar2)
print(ar3)
print(ar4)

在这里插入图片描述
补充：range和arange()

range()返回的是range object，而np.arange()返回的是numpy.ndarray
在这里插入图片描述
两者都是均匀地（evenly）等分区间；
range仅可用于迭代，而np.arange作用远不止于此，它是一个序列，可被当做向量使用。
range()不支持步长为小数，np.arange()支持步长为小数
两者都可用于迭代
两者都有三个参数，以第一个参数为起点，第三个参数为步长，截止到第二个参数之前的不包括第二个参数的数据序列。即左闭右开的区间。[first, last)或者不加严谨地写作[first:step:last)

np.linspace()：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
返回在间隔[开始，停止]上计算的num个均匀间隔的数字（样本）。
start开始值，stop结束值，
num生成的样本数，非负数，默认是50
endpoint 若为True，“stop”是最后的样本；否则“stop”将不会被包含。默认为True
retstep若为False，返回样本array；否则返回一个包含两个元素的元组（array样本，步长）。默认为False

#创建数组np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
#返回
ar1 = np.linspace(2,3,5)
ar2 = np.linspace(2.0,3.0,5,endpoint=False)
ar3 = np.linspace(2.0,3.0,5,retstep=True)
print('ar1:   ',ar1,type(ar1))
print('ar2:   ',ar2,type(ar2))
print('ar3:   ',ar3,type(ar3))
print(ar3[0],type(ar3[0]))

在这里插入图片描述
创建数组zeros()、zeros_like()、ones()、ones_like()

#np.zeros(shape, dtype=float)
#shape：数组形状，二维以上需要用()，且输入的参数为整数
#dtype：数据类型，默认为numpy.float64

#np.ones()与np.zeros()一样，只不过填充的是1
ar1 = np.zeros(5)
ar2 = np.zeros((2,2),dtype=np.int)
ar3 = np.zeros((2,2,3))
print("ar1:   ",ar1,type(ar1),ar1.dtype,ar1.shape)
print("ar2:   ",ar2,type(ar1),ar2.dtype,ar2.shape)
print("ar3:   ",ar3,type(ar3),ar3.dtype,ar3.shape)


#np.ones_like(a, dtype=None) 返回具有给定数组相同的形状和类型的全1数组
#np.zeros_like()与之一样，只不过填充的是0
a = np.array([[1,4,6,3,6],[4,5,6,9,7]])
ar4 = np.ones_like(a,dtype=np.float)
print("ar4:   ",ar4,type(ar4),ar4.dtype,ar4.shape)

在这里插入图片描述
创建数组np.eye()
更多np.eye()函数用法链接

np.eye()
函数的原型：numpy.eye(N,M=None,k=0,dtype=<class ‘float’>,order=‘C)
返回的是一个二维2的数组(N,M)，对角线的地方为1，其余的地方为0.
参数介绍：
（1）N:int型，表示的是输出的行数
（2）M：int型，可选项，输出的列数，如果没有就默认为N
（3）k：int型，可选项，对角线的下标，默认为0表示的是主对角线，负数表示的是低对角，正数表示的是高对角。
（4）dtype：数据的类型，可选项，返回的数据的数据类型
（5）order：{‘C’，‘F’}，可选项，也就是输出的数组的形式是按照C语言的行优先’C’，还是按照Fortran形式的列优先‘F’存储在内存中。

#创建数组 np.eye(N, M=None, k=0, dtype=<class 'float'>, order='C')
#创建一个N*N的单位矩阵，对角线值为1，其余为0
ar1 = np.eye(3,dtype=np.int)
print('ar1:')
print(ar1)
ar2 = np.eye(3,2)
print('ar2:')
print(ar2)
ar3 = np.eye(3,4,k=2)
print('ar3:')
print(ar3)

在这里插入图片描述

创建数组更常用的方式

#创建数组
#创建数，然后再定义形状。
print(np.random.rand(10).reshape(2,5))

在这里插入图片描述

(2)数组的基本属性

ar = np.random.rand(12).reshape(2,3,2)
print(ar.shape) #数组的形状，对于一位数组shpe为（N,）。对于N行M列的二维数组shape为(N,M)。
print(ar.ndim) #数组的维度或说成数组的秩
print(ar.size) #数组中元素的总个数
print(ar.dtype) #数组中元素的类型
print(ar.itemsize) #数组中每个元素的字节大小。int32字节为4，float64字节是8

在这里插入图片描述

本文地址：https://blog.csdn.net/leilei7407/article/details/107312527

您可能感兴趣的文章:

如对本文有疑问， 点击进行留言回复！！

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网