NumPy

创建数组对象(ndarray)

通过NumPy库的array函数可以创建ndarray数组。ndarray是一个通用的同构数据容器，其中的所有元素都需要相同的类型。NumPy库能将数据（列表、元组、数组或其他序列类型）转换ndarray数组

array函数创建数组对象

array函数格式：np.array(object,dtype,ndmin)

object:接收array，表示想要创建的数组

dtype:接收data-type,表示数组所需要的数据类型，默认none

ndmin:接受int，指定生成数组最小维数，默认none

import numpy as np
data1 = [1,2,3]                 #列表
a=np.array(data1)               #可以直接写a=np.array([1,2,3])
print(a)
data2=(2,3,4)                   #元组
b=np.array(data2)#b=np.array((2,3,4))
print(b)
data3=[[1,2,3,4],[2,3,4,5]]     #多维数组
c=np.array(data3)               #c=np.array([[1,2,3,4],[2,3,4,5]])
print(c)

out：[1 2 3]
     [2 3 4]
     [[1 2 3 4]
      [2 3 4 5]]

列表与元组之间一个是[],一个是().

专门创建数组的函数

1.arange与python的内置函数range类似

a=np.arange(5)#也可以a=np.arange(0，1，0.2)
print(a)

out:[0,1,2,3,4]

2.linespace 函数创建等差数列

ne = np.linspace(1,11,5)
#第三个参数为生成数组的个数。
print(ne)

out:[ 1.   3.5  6.   8.5 11. ]

3.logspace生成等比数列

nf = np.logspace(1,11,3)
# 第一个和第二个为10的指数
print(nf)

out:[1.e+01 1.e+06 1.e+11]

4.zeros生成全部为0的数组

nz = np.zeros([5,6])   #  5行6列
print(nz)

out:
[[0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]]

5.ones生成全部为1的数组

no = np.ones([3,4])
print(no)
nn = np.ones([3,4],dtype=np.int32)  #dtype指定类型
print(nn)

out:
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]
[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]

6.diag生成对角线都为1的数组

nd = np.diag([1,2,3])
print(nd)

out:
[[1 0 0]
 [0 2 0]
 [0 0 3]]

ndarray对象属性喝数据转换

nd = np.diag([1,2,3])
# ndarray   常见属性
# 1.ndim    查询数组的维度
print(nd.ndim)
# 2.shape   查询数组的形状
print(nd.shape)
# 3.size    查询数组的元素个数
print(nd.size)
# 4.dtype   查询元素的类型
print(nd.dtype)
# 5.itemsize  查询元素的大小，单位为字节
print(nd.itemsize)

out:
2
(3, 3)
9
int32
4

1.随机数

# 生成随机数组
na = np.random.rand(3)
print(na)
nb = np.random.rand(2,2)
print(nb)
nc = np.random.rand(2,3,4)
print(nc)

#  randint 方法  生成随机整数
na = np.random.randint(1,10,size = (3,4))
print(na)

out:
[0.76332458 0.57877808 0.06417888]
[[0.49275681 0.91312691]
 [0.10744714 0.61396393]]
[[[0.22795811 0.58894017 0.1179827  0.67114333]
  [0.77517393 0.83525912 0.31635987 0.99816422]
  [0.79892613 0.38645328 0.28509752 0.70667627]]

 [[0.93434998 0.07858399 0.49939198 0.85468534]
  [0.7881426  0.78934458 0.13119545 0.47933869]
  [0.90567336 0.77719669 0.32328325 0.81869374]]]
  
  [[1 4 6 4]
 [6 8 1 5]
 [4 3 8 8]]