Numpy np.array()函数使用方法指南

numpy是一个在Python中做科学计算的基础库,重在数值计算,也是大部分Python科学计算库的基础库,多用于大型、多维数据上执行数值计算,下面这篇文章主要给大家介绍了关于Numpy np.array()函数使用方法指南的相关资料,需要的朋友可以参考下

1、Numpy ndarray对象

numpy ndarray对象是一个n维数组对象，ndarray只能存储一系列相同元素。

#一维数组 [1,2,3,4]	#shape(4,) #二维数组 [[1,2,3,4]]	#shape(1,4) [[1,2,3,4], [5,6,7,8]]	#shape(2,4) #三维数组 [ [[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]] ]	#shape(2,2,3)

2、创建numpy数组

numpy.array()使用说明：object是必须输入的参数，其余为可选参数。

import numpy as np np.array(object，dtype,copy=True,order,ndmin,subok=Fasle) #	object: 一个数组序列，例如[1,2,3,4] #	dtype: 更改数组内的数据类型 #	copy: 数据源是ndarray时数组能否被复制，default=True #	order: 选择数组的内存布局，C(行序列)|F(列序列)|A(默认) #	ndmin: 数组维度 #	subok: bool类型，True，使用object的内部数据类型；False,使用object的数组的数据类型，default=Fasle

创建存储元素类型不同的数组：

#int型 import numpy as np a=np.array([1,2,3,4],dtype=int)	#"dtype="可省略 print(a) a.dtype ''' 输出： [1 2 3 4] dtype('int32') ''' #float型 b=np.array([1,2,3,4],dtype=float) print(b) b.dtype ''' 输出： [1. 2. 3. 4.] dtype('float64') '''

创建生成器：

a=np.array([i*10 for i in range(10)]) print(a) b=np.array([i+2 for i in range(10)]) print(b) ''' 输出： [ 0 10 20 30 40 50 60 70 80 90] [ 2  3  4  5  6  7  8  9 10 11] '''

当输入的object元素有不同类型时,将保留存储空间最大的类型：

x1=np.array([1,2,3,4,5.1]) print(x1) x2=np.array([1,2,3,'a']) print(x2) x3=np.array([1,2.1,'a']) print(x3) ''' 输出： [1.  2.  3.  4.  5.1] ['1' '2' '3' 'a'] ['1' '2.1' 'a'] '''

当多维数组元素个数不一致时：

x=np.array([[1,2,3],[1,2,3,4],[1,2,3,4,5]],dtype=object) 	#存储长度不一致序列时，应有“dtype=object”，否则会报错 print(x) print(x.shape) print(x.ndim)	#输出数组的维度，2Darray强制转换成1Darray ''' 输出： [list([1, 2, 3]) list([1, 2, 3, 4]) list([1, 2, 3, 4, 5])] (3,) 1 '''

float强制转化int(向下取整)：

a=np.array([1,2,3.1],int) b=np.array([1,2,3.7],int) print(a) print(b) ''' 输出： [1 2 3] [1 2 3] '''

用copy参数定义是否创建副本：

#默认copy=True情况下，复制创建x1的副本为x2 x1=np.array([1,2,3]) x2=np.array(x1) print('x1 ',id(x1),'x2',id(x2)) #更改x2的值，x1的值不会发生改变，反之，修改x1的值，x2也不会发生改变，因为二者地址不同 x2[2]=100 print('x1',x1) print('x2',x2) ''' 输出： x1  2055556179312 x2 2055300844976   x1 x2地址不同 x1 [1 2 3] x2 [  1   2 100] ''' #copy=Fasle情况下，复制创建x1的副本为x2 x1=np.array([1,2,3]) x2=np.array(x1,copy=False) print('x1 ',id(x1),'x2',id(x2)) #更改x2的值，x1的值会发生改变,且x1永远等于x2，因为二者地址相同 x2[2]=100 print('x1',x1) print('x2',x2) ''' 输出： x1  2055300125584 x2 2055300125584   x1 x2地址相同 x1 [  1   2 100] x2 [  1   2 100] ''' #另一种创建副本方法：copy() 这种方法更常用 x1=np.array([1,2,3]) x2=x1.copy() print('x1 ',id(x1),'x2',id(x2)) #更改x2的值，x1的值不会发生改变 x2[2]=100 print('x1',x1) print('x2',x2) ''' 输出： x1  2055556233040 x2 2055556062160 x1 [1 2 3] x2 [  1   2 100] '''

ps:如果直接用 x2=x1 的形式复制array,此时x1 x2 共用同一个地址

用ndmin改变数组维度(升维有效，降维无效)：

a=np.array([1,2,3,4],ndmin=2) print('a ',a) b=np.array([[1,2],[1,2]],ndmin=3) print('b ',b) #2D降维成1D，但输出结果仍为2D c=np.array([[1,2],[1,2]],ndmin=1) print('c ',c) ''' 输出： a  [[1 2 3 4]] b  [[[1 2] [1 2]]] c  [[1 2] [1 2]] '''

用subok参数(bool值)确定数据类型：

x1=np.mat([1,2,3]) a1=np.array(x1) #存储为原类型 b1=np.array(x1,subok=True)  #存储为数组类型 print('x1 ',type(x1),'a1 ',type(a1),'b1 ',type(b1)) #原始格式为list，无论subok为何值都转换成数组类型 x2=[[1,2],[1,2],[1]] a2=np.array(x2,dtype=object) #存储为原类型 b2=np.array(x2,dtype=object,subok=True)  #存储为数组类型 print('x2 ',type(x2),'a2 ',type(a2),'b2 ',type(b2)) ''' 输出： x1   a1   b1   x2   a2   b2   '''