NumPy中的数组类型ndarray（1）：ndarray的作用与属性

  ndarray（ndarry的意思是n dimensional array  : n维数组）是NumPy库中的一种基本数据类型，以下先用例子来说明ndarray与list的区别并进行对比，以说明ndarray的优越之处。

【例】A=[0,1,2,3,4]，B=[5,6,7,8,9]，试计算

【使用list类型“数组”的解法】

def pySum():  #冒号
    a=[0,1,2,3,4];
    b=[5,6,7,8,9];
    c=[];

    for i in range(len(a)):  #冒号
        c.append(a[i]**2+b[i]**3);

    return c;   #注意缩进对齐


print(pySum());

使用visual studio运行得到以下结果： 

【使用ndarray类型数组的解法】

import numpy as np


def npSum():
    a = np.array([0, 1, 2, 3, 4])
    b = np.array([5, 6, 7, 8, 9])   # 小括号中还有中括号

    c = a ** 2 + b ** 3
    return c


print(npSum())

使用PyCharm运行得到以下结果：

对比

这两种程序，主要区别在于是否使用了循环

在使用ndarray时，可以不使用循环，而是直接把ndarray类型的数据当作一个“数”，这对于进行数据分析是很方便的。并且，由于python只有list类型而没有数组类型，所以ndarray类型填补了python中没有数组类型这一缺点。 

以下是ndarray的一些属性与说明，应留有印象，不必硬记。

基本属性

在IPython环境下以一个例子进行说明：

元素类型

numpy中的元素有以下类型

不同与python自带的数据类型，numpy中的数据类型很多，这主要是因为Numpy库常用于科学计算，提供大量的数据类型

可以提高运算与存储性能。

非同质对象构成的ndarray数组

所谓非同质对象，其实也就是不同长度的数组。以一个例子进行说明