创建数组对象
| 函数 |
说明 |
| arange |
类似python内置的range，但返回的是一个ndarray而不是列表 |
| array |
将输入的数据（列表、元祖、数组或其他序列类型）转换为ndarray。要么推断出dtype，要么显示指定dtype。默认直接复制输入的数据 |
| asarray |
将输入的数据转换为ndarray，如果输入本身就是一个ndarray就不进行复制 |
| ones、ones_like |
根据指定的形状和dtype创建一个全1的数组。ones_like以另一个数组为参数，并根据其形状和dtype创建一个全1的数组 |
| zeros、zeros_like |
类似于ones和ones_like ，只不过产生全0的数组 |
| empty、empty_like |
创建新数组，只分配内存空间但是不填充任何值 |
| eye、identity |
创建一个正方的NxN单位矩阵(对角巷为1，其余为0) |
数组对象的属性、方法
| 属性/方法 |
说明 |
| ndim |
维度 |
| size |
元素个数 |
| shape |
数组的形状 |
| itemsize |
每个元素所占的字节 |
| nbytes |
总占字节 |
| real |
针对复数类型的实数部分 |
| imag |
针对复数类型的虚数部分 |
| dtype |
用于指定或输出数组对象元素的类型 |
| reshape |
分割数组成指定形状:data.reshape(2,3,4) |
| astype |
类型转换:arr.astype(np.float64) |
一些栗子
a = np.arange(24)
print(a)
print(a.dtype)
print(a.shape)
输出：
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
int64
(24,)
# 将之前创建的一维数组 a 转换为 2维度，3行4列数组
b = a.reshape(2,3,4)
print(b) # 输出数组
print(b.dtype) # 输出类型
print(b.shape) # 输出类型
输出：
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
int64
(2, 3, 4)
np.array([0,1,2,3])
np.array([np.arange(4),[4,5,6,7]])
np.ones(10) # 创建全1的一维数组 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
np.ones((2,3,4)) # 创建多维数组
输出：
[[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]
[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]]
np.zeros(10) # 创建全0的一维数组:[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
np.zeros((4,4)) # 创建全0的多维数组
输出：
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
a = np.arange(24).reshape(2,3,4)
a.ndim # 维数 3
a.size # 数量 24
a.itemsize # 每个元素所占的字节 8
a.nbytes # 总占字节 192 (24*8)
a.dtype # 元素的类型 int64
a.flat # <numpy.flatiter object at 0x10214b600>
[item for item in a.flat] # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]
a.flat[2] # 2
# 创建复数数组
b = np.array(np.arange(4),dtype=np.complex)
b.real # [0. 1. 2. 3.]
b.imag # [0. 0. 0. 0.]
数据类型
| 类型 |
类型代码 |
说明 |
| int8、uint8 |
i1、u1 |
有符号和无符号的8位（1个字节）整型 |
| int16、uint16 |
i2、u2 |
有符号和无符号的8位（2个字节）整型 |
| int32、uint32 |
i4、u4 |
有符号和无符号的8位（4个字节）整型 |
| int64、uint8 |
i8、u8 |
有符号和无符号的8位（8个字节）整型 |
| float16 |
f2 |
半精度浮点数 |
| float32 |
f4或f |
标准的单精度浮点数.与C的float兼容 |
| float64 |
f8或d |
标准的单精度浮点数.与C的double和Python的float对象兼容 |
| float128 |
f16或g |
扩展精度浮点数 |
| complex64、complex128、complex258 |
c8、c16、c32 |
分别用两个32位、64位、128位浮点数表示的复数 |
| bool |
? |
存储Ture和False值的布尔类型 |
| object |
O |
Python对象类型 |
| string_ |
S |
固定长度的字符串类型（每个字符1个字节），例如，要创建一个长度为10的字符串，应使用S10 |
| unicode_ |
U |
固定长度的unicode类型（字节数由平台决定）。和字符串的定义方式一样，如U10 |
一些栗子
np.float64(10) # 转换为浮点型 10.
np.int(13.2) # 转换为整型 13
np.bool(12.3) # 转换为布尔型 True
np.complex(3) # 转换为复数类型 (3+0j)
np.int((2+3j)) # 不能将复数转换为整型或者浮点型
a = np.arange(1,5)
print(a.dtype)
float_a = a.astype(np.float32)
print(float_a.dtype)
int_a = float_a.astype(np.int8)
print(int_a.dtype)
numeric_strings = np.array(['1.25', '-9.6', '42'], dtype='S')
numeric_strings = numeric_strings.astype(np.float)
print(numeric_strings.dtype)
a = np.arange(4,dtype=np.float) # 指定其类型为float
print(a.dtype) # 输出：float64
# dtype类的属性
t = np.dtype('d')
print(t.char) # d，即通过指定'd'即可获取类型float64
print(t.type) # <class 'numpy.float64'>
print(t.str) # <f8
a = np.array([[1,2],[3,4]])
print(a.dtype.itemsize) # 8
# 自定义一个新类型
myType = np.dtype([('name', np.string_, 40), ('age', np.int32), ('height', np.float)])
print(myType) # [('name', 'S40'), ('age', '<i4'), ('height', '<f8')]
# 使用新类型创建一个数组
array = np.array([('lolita0164', 25, 170.0), ('luo', 19, 165.3)], dtype=myType)
# 取出第0个
print(array[0]) # (b'lolita0164', 25, 170.)
# 取出第0个，'name'属性的值
print(array[0]['name']) # b'lolita0164'