当前位置：极客教程 > Numpy > Numpy教程 > NumPy数组的基础知识

NumPy数组的基础知识

NumPy数组的基础知识

NumPy是Numerical Python的缩写。它是一个用于处理数组的Python库。在Python中，我们使用列表来实现数组的目的，但它的处理速度很慢。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能力中的应用。它提供的数组对象比传统的Python列表快得多。

数组的类型：

1.一维数组
2.多维数组

一维数组

一维数组是线性数组的一种类型。

NumPy数组的基础知识

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)
Python

输出:

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

检查列表和数组的数据类型。

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

输出:

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

多维数组:

多维数组中的数据是以表格形式存储的。

NumPy数组的基础知识

示例:

# 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)
Python

输出:

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

注意：在numpy.array()中使用[ ]运算符，以获得多维数据。

数组的解剖：

1.Axis:数组的Axis描述了数组中的索引顺序。

axis 0=一维

axis 1=二维

axis 2 = 三维

2.Shape:沿着每个轴的元素的数量。它来自一个元组。

示例:

# 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)
Python

输出:

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

示例:

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)
Python

输出:

shape of the array :  (5, 3)
Python

3.等级：数组的等级只是它的轴（或维度）的数量。

一维数组的等级为1.

NumPy数组的基础知识

二维数组的等级为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。它描述了一个数组项目所对应的固定大小的内存块中的字节应该如何被解释。

示例:

# 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)
Python

输出:

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

创建Numpy数组的一些不同方法：

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

语法: numpy.array(parameter)

示例:

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

输出:

Array : [3 4 5 5]
Python

2. numpy.fromiter() : fromiter()函数从一个可迭代对象中创建一个新的一维数组。

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

示例 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)
Python

输出:

fromiter() array : [ 0. 1. 4. 9. 16. 25. 36. 49.]

示例 2:

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

输出:

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

3. numpy.range():这是一个内置的NumPy函数，可以在一个给定的区间内返回均匀的数值。

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

示例:

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

输出:

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

4. numpy.linspace() :这个函数在两个极限之间的指定范围内返回均匀的数字。

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

示例 1:

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

输出:

array([ 3.5 ,  6.75, 10.  ])
Python

示例 2:

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

输出:

array([ 3,  6, 10])
Python

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

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

示例:

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

输出:

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

6. numpy.ones():该函数用于获得一个给定形状和类型的新数组，用one(1)填充。

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

示例:

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

输出:

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

7. numpy.zeros():该函数用于获得一个给定形状和类型的新数组，其中充满零(0)。

语法: numpy.ones(shape, dtype=None)

示例:

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

输出:

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

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Numpy教程

登录

找回密码？

注册