Numpy

标签：要求   程序   元组   不同   nump   之间   type   一个   多个   

1、列表和数组：列表数据类型可以不同；数组的数据类型相同 

2、N维数组对象：ndarray Python已有列表类型，为什么需要一个数组对象(类型)？ 
? 数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据 
? 设置专门的数组对象，经过优化，可以提升这类应用的运算速度 
? 数组对象采用相同的数据类型，有助于节省运算和存储空间

3、N维数组对象：ndarray 

• ndarray是一个多维数组对象，由两部分构成： ? 实际的数据 ? 描述这些数据的元数据（数据维度、数据类型等）；
• ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始 

4、ndarray对象的属性 ： 
.ndim： 秩，即轴的数量或维度的数量 
.shape： ndarray对象的尺度，对于矩阵，n行m列 
.size： ndarray对象元素的个数，相当于.shape中n*m的值 
.dtype： ndarray对象的元素类型（整数、浮点数、布尔型） 
.itemsize： ndarray对象中每个元素的大小，以字节为单位

type(array): 返回 class ‘numpy.ndarray‘

5、ndarray数组的创建方法：（ndarray在程序中的别名是:array） 
（1）从Python中的列表、元组等类型创建ndarray数组，x = np.array(list/tuple, dtype=np.float32) 
（2）使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等 

• np.arange(n)： 类似range()函数，返回ndarray类型，元素从0到n‐1 ;np.arange(5,10)，返回5-9的值。
• np.linspace(11,20, num=10)，返回从[11，20]之间的10个数字，间隔均匀
• np.ones(shape)： 根据shape生成一个全1数组，shape是元组类型，vk np.ones(3,5)；
• np.zeros(shape)： 根据shape生成一个全0数组，shape是元组类型 
• np.full(shape,val)： 根据shape生成一个数组，每个元素值都是val 
• np.eye(n)： 创建一个正方的n*n单位矩阵，对角线为1，其余为0 
• np.concatenate()： 将两个或多个数组合并成一个新的数组 

6、ndarray数组的维度变换： 
.reshape(shape)：不改变数组元素，返回一个shape形状的数组，原数组不变 
.resize(shape) ： 与.reshape()功能一致，但修改原数组 
.swapaxes(ax1,ax2) ：将数组n个维度中两个维度进行调换 
.flatten()： 对数组进行降维，返回折叠后的一维数组，原数组不变 

Numpy

标签：要求   程序   元组   不同   nump   之间   type   一个   多个   

原文地址：https://www.cnblogs.com/szhao0823/p/9217144.html