Numpy札记1_初识Numpy

Numpy 简介

• Numpy的主要对象是同质的多维数组。Numpy中的元素放在[]中，其中的元素通常都是数字，并且是同样的类型，由一个正整数元组进行索引。
• 每个元素在内存中占有同样大小的空间。在Numpy中，维度被称为轴。例如对于[1, 2, 1]有一个轴，并且长度为3。而[[ 1., 0., 0.], [ 0., 1., 2.]]则有两个轴，第一个轴的长度为2，第二个轴的长度为3。
• Numpy数组类的名字叫做ndarray，经常简称为array。要注意将numpy.array与标准Python库中的array.array区分开，后者只处理一维数组，并且功能简单。

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)   # np.array的定义

各参数的含义

• object：用于生成数组的数据对象
• dtype：指定类型，可选。
• copy：可选，默认为True，对象被复制。
• order：C语言风格（按行）、FORTRAN风格（按列）或A（任意，默认）。
• subok：默认情况下，返回的数组被强制为基类数组。 如果为True，则返回子类。
• ndmin：指定返回数组的最小维数

ndarray属性

• ndarray.ndim：数组的轴数量
• ndarray.shape：数组的形状。比如对于n行m列的矩阵，其shape形状就是(n,m)。而shape元组的长度则恰恰是上面的ndim值，也就是轴数。
• ndarray.size：数组中所有元素的个数。这恰好等于shape中元素的乘积。
• ndarray.dtype：数组中元素的数据类型。除了标准的Python类型，Numpy还提供一些自有的类型。
• ndarray.itemsize：元素的字节大小。比如float64类型的itemsize为8（=64/8），而complex32的itemsize为4（=32/8）。
• ndarray.data：包含数组实际元素的缓冲区。通常我们不需要使用这个属性，因为我们将使用索引工具访问数组中的元素。
• ndarray.flags: 数组对象的一些状态指示或标签

创建数组

import numpy as np    # 国际惯例的导入方式

a = np.arange(15).reshape(3, 5)  # 创建3行5列的数组

a



array([[ 0,  1,  2,  3,  4],

       [ 5,  6,  7,  8,  9],

       [10, 11, 12, 13, 14]])



a.shape  # 数组形状，即几行几列



(3, 5)



a.ndim  # 数组的轴数，维度称为轴



2



a.dtype.name  # 数组中元素的数据类型



'int32'



a.size   # 数组中所有元素的个数



15



type(a)



numpy.ndarray



 b = np.array([1, 2, 3, 4])   # 生成一个数组，中括号的元素看成一个整体



b



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



type(b)



numpy.ndarray



c = np.array([[1, 2], [3, 4], [5, 6]])  # 注意：有两层中括号[]



c



array([[1, 2],

       [3, 4],

       [5, 6]])



c.size



6