Python学习笔记 ---- Numpy基础(数组对象的属性及数组创建)

Numpy是Python的一种开源的数值计算扩展，这种工具可以用来存储和处理大型矩阵，比Python自身的嵌套列表结构高效的多。

Numpy的主要对象是同构多维数组（ndarray），它是一个元素表，所有元素都是相同的数据类型，由正整数元组索引。

下面列举一些ndarray常用的属性（以多维数组对象text_ndarray = [[1, 2, 3], [3, 4, 5]]为例）：

ndarray.ndim：数组的轴数（数组的维数）；例如：text_ndarray.ndim = 2

ndarray.shape：数组的大小，这是一个整数元组，表示每个维度中数组的大小；例如：text_ndarray.shape = (2，3)

ndarray.dtype：描述数组中元素类型的对象；例如：text_ndarray.dtype = int32

ndarray.itemsize：数组中每个元素的大小（以字节为单位）；例如：text_ndarray.itemsize = 4

ndarray.data：包含数组实际元素的缓冲区。通常我们不需要使用此属性，因为我们将使用索引工具访问数组中的元素

下面是一些创建数组的方法：

1、使用array函数从常规Python列表或者元组创建数组（结果数组的类型是从序列中元素的类型推导出来的）：

扫描二维码关注公众号，回复： 3498038 查看本文章

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

经常出现的错误在于array使用多个数字参数调用，而不是提供单个数字列表作为参数：

a = np.array(1, 2, 3, 4)         # wrong
a = np.array([1, 2, 3, 4])       # right

2、使用函数zeros创建一个所有元素都是0的数组；使用函数ones创建一个所有元素都是1的数组；使用函数empty创建一个其初始元素随机的数组（根据内存的状态）&&（也可以指定所创建数组元素的类型）：

a = np.zeros((3, 4))
b = np.ones((2, 3, 4), dtype=np.int16)
c = np.empty((2, 3))

3、用arrange方法（arrange（start，end，step），不包含end)：

np.arrange(10, 30, 5)
# 返回数组：[10, 15, 20, 25]
np.arrange(0, 2, 0.3)
# 返回数组：[0.0, 0.3, 0.6, 0.9, 1.2, 1.5, 1.8]

当arrange与浮点参数一起使用时，由于有限的浮点精度，通常无法获得预测获得的元素数量，因此介绍下面linspace方法

4、用linspace方法：

np.linspace(0, 2, 9)     # 从0到2的九个数字
# 返回值为：[0.0, 0.25, 0.5, 0.75, 1.0, 1.25, 1.5, 1.75, 2.0]