[Data Analysis and Visualization] Creation and Access of Nympy Array

Array creation and access

core

Insert array np.array () to
create array np.arange ()
all zero array np.zeros (5)
identity matrix np.eye (5)
array slice b [: 2,1:]

Code

import numpy as np

# create from python list
list_1 = [1, 2, 3, 4]

list_1

[1, 2, 3, 4]

array_1 = np.array(list_1)

# 变为一维数组
array_1

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

list_2 = [5, 6, 7, 8]
array_2 = np.array([list_1, list_2])

# 变为2维数组
array_2

array([[1, 2, 3, 4],
       [5, 6, 7, 8]])

# 获取数组属性-行列
array_2.shape

(2, 4)

#返回数组元素个数
array_2.size

8

# 返回数组中元素的类型
array_2.dtype

dtype('int64')

# 测试数组中元素类型不一致
array_3 = np.array([[1.0, 2, 3],[2.0, 3, 4]])

# 数组内元素不一致，取精确度最高的
array_3.dtype

dtype('float64')

# np.arrange创建数组,左闭右开
array_4 = np.arange(1, 10)

array_4

array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 修改间隔
array_4 = np.arange(1, 10, 2)

array_4

array([1, 3, 5, 7, 9])

# 全零矩阵-一维
np.zeros(5)
# 全零矩阵-二维
np.zeros([2, 3])

array([[0., 0., 0.],
       [0., 0., 0.]])

# 单位矩阵
np.eye(5)

array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])

# 访问元素-一维 从0下标开始的 
a = np.arange(1, 10)
a

array([1, 2, 3, 4, 5, 6, 7, 8, 9])

a[1]

2

# 访问范围 左闭右开
a[1: 5]

array([2, 3, 4, 5])

# 访问元素-n维 从0下标开始 
b = np.array([[1,2,3],[4,5,6]])
b

array([[1, 2, 3],
       [4, 5, 6]])

b[1,0]

4

# 另一种 简写访问方式
b[1,0]

4

# 切片 二维数组
b[:2,1:]

array([[2, 3],
       [5, 6]])