numpy入门—Numpy的核心array对象以及创建array的方法

Numpy的核心array对象以及创建array的方法

array对象的背景：

• Numpy的核心数据结构，就叫做array就是数组，array对象可以是一维数组，也可以是多维数组；
• Python的List也可以实现相同的功能，但是array比List的优点在于性能好、包含数组元数据信息、大量的便捷函数；
• Numpy成为事实上的Scipy、Pandas、Scikit-Learn、Tensorflow、PaddlePaddle等框架的“通用底层语言”
• Numpy的array和Python的List的一个区别，是它元素必须都是同一种数据类型，比如都是数字int类型，这也是Numpy高性能的一个原因；

array本身的属性

• shape：返回一个元组，表示array的维度
• ndim：一个数字，表示array的维度的数目
• size：一个数字，表示array中所有数据元素的数目
• dtype：array中元素的数据类型

创建array的方法

• 从Python的列表List和嵌套列表创建array
• 使用预定函数arange、ones/ones_like、zeros/zeros_like、empty/empty_like、full/full_like、eye等函数创建
• 生成随机数的np.random模块构建

array本身支持的大量操作和函数

• 直接逐元素的加减乘除等算数操作
• 更好用的面向多维的数组索引
• 求sum/mean等聚合函数
• 线性代数函数，比如求解逆矩阵、求解方程组

1. 使用Python的List和嵌套List创建一维的array和二维的array

2. 探索数组array的属性

x为一维的数组，X为二维的数组

3. 创建array的便捷函数

使用arange创建数字序列

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

使用ones创建全是1的数组

np.ones(shape, dtype=None, order='C')

shape : int or tuple of ints Shape of the new array, e.g., (2, 3) or 2.

使用ones_like创建形状相同的数组

ones_like(a, dtype=float, order='C')

使用zeros创建全是0的数组

np.zeros(shape, dtype=None, order='C')

使用zeros_like创建形状相同的数组

np.zeros_like(a, dtype=None)

使用empty创建全是0的数组

empty(shape, dtype=float, order='C')
注意：数据是未初始化的，里面的值可能是随机值不要用，这个和zeros不同

使用empty_like创建形状相同的数组

empty_like(prototype, dtype=None)

使用full创建指定值的数组

np.full(shape, fill_value, dtype=None, order='C')

使用random模块生成随机数的数组

randn(d0, d1, ..., dn)

4. array本身支持的大量操作和函数

这些操作如果用Python实现需要写很多for循环，用numpy数组很容易