NumPy数组的基础知识

NumPy代表数值Python。它是一个用于处理数组的Python库。在Python中，我们使用列表来创建数组，但处理起来很慢。NumPy数组是一个强大的n维数组对象，它在线性代数、傅里叶变换和随机数方面的应用。它提供的数组对象比传统的Python列表快得多。

类型的数组:

一维数组
多维数组

一维数组

一维阵列是一种线性阵列。

NumPy数组的基础知识

一维数组示例

# importing numpy module
import numpy as np
 
# creating list
list = [1, 2, 3, 4]
 
# creating numpy array
sample_array = np.array(list1)
 
print("List in python : ", list)
 
print("Numpy Array in python :",
      sample_array)

输出:

List in python :  [1, 2, 3, 4]
Numpy Array in python :  [1 2 3 4]

检查列表和数组的数据类型

print(type(list_1))
 
print(type(sample_array))

输出:

<class 'list'>
<class 'numpy.ndarray'>

多维数组

多维数组中的数据以表格形式存储。

NumPy数组的基础知识

二维数组

# importing numpy module
import numpy as np
 
# creating list
list_1 = [1, 2, 3, 4]
list_2 = [5, 6, 7, 8]
list_3 = [9, 10, 11, 12]
 
# creating numpy array
sample_array = np.array([list_1,
                         list_2,
                         list_3])
 
print("Numpy multi dimensional array in python\n",
      sample_array)

输出:

Numpy multi dimensional array in python
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

注意:在numpy.array()中使用[]操作符用于多维度

数组的解剖

1. 坐标轴:数组的坐标轴描述了数组的索引顺序。

Axis0 =一维

Axis1 =二维

Axis2 =三维的

2. 形状:每个轴上的元素数量。它来自一个元组。

Example:

# importing numpy module
import numpy as np
 
# creating list
list_1 = [1, 2, 3, 4]
list_2 = [5, 6, 7, 8]
list_3 = [9, 10, 11, 12]
 
# creating numpy array
sample_array = np.array([list_1,
                         list_2,
                         list_3])
 
print("Numpy array :")
print(sample_array)
 
# print shape of the array
print("Shape of the array :",
      sample_array.shape)

输出:

Numpy array : 
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
Shape of the array :  (3, 4)

Example:

import numpy as np
 
sample_array = np.array([[0, 4, 2],
                       [3, 4, 5],
                       [23, 4, 5],
                       [2, 34, 5],
                       [5, 6, 7]])
 
print("shape of the array :",
      sample_array.shape)

输出:

shape of the array :  (5, 3)

3.Rank:数组的Rank就是它所拥有的轴(或维度)的数量。

一维数组的秩为1。

NumPy数组的基础知识

二维数组的秩为2。

NumPy数组的基础知识

4. 数据类型对象(dtype):数据类型对象(dtype)是numpy.dtype类的一个实例。它描述了如何解释固定大小的内存块中对应于数组项的字节。

Example:

# Import module
import numpy as np
 
# Creating the array
sample_array_1 = np.array([[0, 4, 2]])
 
sample_array_2 = np.array([0.2, 0.4, 2.4])
 
# display data type
print("Data type of the array 1 :",
      sample_array_1.dtype)
 
print("Data type of array 2 :",
      sample_array_2.dtype)

输出:

Data type of the array 1 :  int32
Data type of array 2 :  float64

创建Numpy数组的一些不同的方法

1. numpy.array(): numpy中的numpy数组对象被称为ndarray。我们可以使用numpy.array()函数创建ndarray。

语法:numpy.array(parameter)

Example:

# import module
import numpy as np
 
#creating a array
 
arr = np.array([3,4,5,5])
 
print("Array :",arr)

输出:

Array : [3 4 5 5]

2. 函数的作用是:从一个可迭代对象创建一个新的一维数组。

语法:numpy.fromiter(iterable, dtype, count=-1)

Example 1:

#Import numpy module
import numpy as np
 
# iterable
iterable = (a*a for a in range(8))
 
arr = np.fromiter(iterable, float)
 
print("fromiter() array :",arr)

Output:

Fromiter()数组:1。4所示。9. 16. 25. 36. 49。

Example 2:

import numpy as np
 
var = "Geekforgeeks"
 
arr = np.fromiter(var, dtype = 'U2')
 
print("fromiter() array :",
      arr)

Output:

fromiter() array :  [‘G’ ‘e’ ‘e’ ‘k’ ‘f’ ‘o’ ‘r’ ‘g’ ‘e’ ‘e’ ‘k’ ‘s’]

3.numpy.arange():这是一个内置的numpy函数，它在给定的时间间隔内返回间隔均匀的值。

numpy.arange([start，]stop， [step，]dtype=None)

Example:

import numpy as np
 
np.arange(1, 20 , 2,
          dtype = np.float32)

输出:

array([ 1.,  3.,  5.,  7.,  9., 11., 13., 15., 17., 19.], dtype=float32)

4. numpy.linspace():这个函数返回在两个限制之间指定的间隔均匀的数字。

语法:numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

Example 1:

import numpy as np
 
np.linspace(3.5, 10, 3)

输出:

array([ 3.5 ,  6.75, 10.  ])

Example 2:

import numpy as np
 
np.linspace(3.5, 10, 3,
            dtype = np.int32)

输出:

array([ 3,  6, 10])

5. numpy.empty():这个函数创建一个给定形状和类型的新数组，不初始化值。

语法:numpy.empty(shape, dtype=float, order= ‘ C ‘)

Example:

import numpy as np
 
np.empty([4, 3],
         dtype = np.int32,
         order = 'f')

输出:

array([[ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11],
       [ 4,  8, 12]])

6. numpy.ones():这个函数用于获取一个给定形状和类型的新数组，其中填充了ones(1)。

语法:numpy.ones(shape, dtype=None, order= ‘ C ‘)

Example:

import numpy as np
 
np.ones([4, 3],
        dtype = np.int32,
        order = 'f')

输出:

array([[1, 1, 1],
      [1, 1, 1],
      [1, 1, 1],
      [1, 1, 1]])

7. numpy.zeros():这个函数用于获取一个给定形状和类型的新数组，并填充0(0)。

语法:numpy.ones(shape, dtype=None)

Example:

import numpy as np
np.zeros([4, 3],
         dtype = np.int32,
         order = 'f')

输出:

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

NumPy数组的基础知识

NumPy数组的基础知识

一维数组

一维数组示例

检查列表和数组的数据类型

多维数组

二维数组

数组的解剖

创建Numpy数组的一些不同的方法

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Numpy 创建数组

回顶部

NumPy数组的基础知识

一维数组

一维数组 示例

检查列表和数组的数据类型

多维数组

二维数组

数组的解剖

创建Numpy数组的一些不同的方法

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Numpy 创建数组

回顶部

切换注册登录

用户名或邮箱

密码

切换登录注册

昵称

邮箱

一维数组示例