Python之数组(array)使用方法总结与Numpy中的数组用法

Python:
array使用方法：

Numpy：
NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成：

实际的数据
描述这些数据的元数据
大部分操作仅针对于元数据，而不改变底层实际的数据。

关于NumPy数组有几点必需了解的：

NumPy数组的下标从0开始。
同一个NumPy数组中所有元素的类型必须是相同的。

在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是NumPy中的轴（axes），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

NumPy的数组中比较重要ndarray对象属性有：

ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为二维数组（矩阵）。
ndarray.shape：数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中，表示数组的“行数”和“列数”。ndarray.shape返回一个元组，这个元组的长度就是维度的数目，即ndim属性。
ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。
ndarray.dtype：表示数组中元素类型的对象，可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。
ndarray.itemsize：数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节），又如，一个元素类型为complex32的数组item属性为4（32/8）。
ndarray.data：包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

代码：

from numpy import * 

a=array([[1,2],[2,3]])
a.ndim//数组的维数
2
a.shape//数组的维度，即行数和列数
(2L, 2L)
a.dtype//数组中元素的类型
dtype('int32')
a.size//数组元素的总个数
4

注意：

使用array函数创建时，参数必须是由方括号括起来的列表，而不能使用多个数值作为参数调用array。

扫描二维码关注公众号，回复： 2304158 查看本文章

>>> a = array(1,2,3,4) # 错误
>>> a = array([1,2,3,4]) # 正确

可以在创建时显式指定数组中元素的类型：

>>> c = array( [ [1,2], [3,4] ], dtype=complex)
>>> c
array([[ 1.+0.j, 2.+0.j],
　　　 [ 3.+0.j, 4.+0.j]])

NumPy提供一个类似arange的函数返回一个数列形式的数组:
arange(4)
输出—-array([0, 1, 2, 3])
arange(10,30,5)//10-30步长为5
输出—-array([10, 15, 20, 25])

当arange使用浮点数参数时，由于浮点数精度有限，通常无法预测获得的元素个数。因此，最好使用函数linspace去接收我们想要的元素个数来代替用range来指定步长。
import numpy as np
np.linspace(10,30,5)//这里5表示的是要输出5个数
输出—array([ 10., 15., 20., 25., 30.])

转载自：https://blog.csdn.net/chaoshengmingyue/article/details/50913003

Python之数组(array)使用方法总结与Numpy中的数组用法

猜你喜欢