Numpy Ndarray 对象

标签：type   lin   维数   nump   区域   res   imp   sha   9.png   

　　Numpy最重要的特点是 其N维数组对象ndarray,他是一系列同类型数据的集合，以 0 为下表 进行索引 

　　ndarray 对象是用于存放同类型元素的多维数组。

　　ndarray 中的每个元素在内存中都有相同存储大小的区域。 

Numpy 的一些属性

　　import numpy as np

　　a = np.array([1,2,3])

　　print (a)

　　输出结果如下：

　　[1, 2, 3]

　　# 多于一个维度

　　import numpy as np

　　a = np.array([[1, 2], [3, 4]])

　　print (a)

　　输出结果如下：

　　[[1, 2]

　　 [3, 4]]

　　以上的输出结果可以看出什么是维度

　　print(a.ndim) #维度

　　print(a.shape) #维度，长度

　　print(a.size) #元素个数

　　打印输出如下：

Numpy 创建 array

　　a = np.array([1, 2, 3])

　　输出结果：

　　[1, 2, 3]

　　我们这样就创建了一个 一维 的array

　　如果我们创建 一个 二维 的 array:

　　a = np.array([[1, 2, 3],[4, 5, 6]])

　　输出结果：

　　[ [1, 2, 3]

　　  [4, 5, 6]]

　　这样就创建了一个二维的array

　　这里我们可以 定义每种array的 type

　　a = np.array([1, 2, 3], dtype=np.int)    #这里 array 的 type 就是 dtype ; int 为整数的意思

　　print(a.dtype)

　　这里我们可以看到 array 的格式为 int32

　　我们也可以自己定义 int 的位数：

　　a = np.array([1, 2, 3], dtype=np.int64) #这里我们定义为 64位 的array 格式

　　print(a.dtype)

　　输出如下：

　　int64 和 float64 位数都是可以更该 。位数越小 ，占用内存就越小

　　我还可以生成全部为零的array:

　　a = array.zeros((3,4),dtype=np.int16) #生成一个全部为零的 三行 四列的 array

　　print(a) #打印a

　　同理 我们只需要 用 one, empty, 等。。调换上述中 zeros , 即可替换

　　我们这里可以同样生成特定的 区域、

　　a = np.arange(10,20,2)

　　print(a)

　　我们也可以重新定义 a 的场和宽：

　　 a = np.arange(12)

　　print(a)

　　a = np.arange(12).reshape((3,4)) #定义三行四列

　　我们这里也是可以生成线段的：

　　a = np.linspace((1,10,20)) #生成开头为1，结尾为10，20的意思就是说，1-10 中间有20段，自动匹配步长

　　print(a)

　　我们也是更改reshape的 

　　a = np.linspace((1,10,20)).reshape((3,4))

Numpy Ndarray 对象

标签：type   lin   维数   nump   区域   res   imp   sha   9.png   

原文地址：https://www.cnblogs.com/tongtongxue/p/10003416.html