Numpy 创建数组2

1、集中常见的 numpy 的属性

　　ndim：维度

　　shape：行数和列数

　　size：元素的个数

>>> import numpy as np # 导入 numpy 模块。np是为了使用方便的简写
>>> array = np.array([[,,],[,,]]) # 列表转换为矩阵
>>> print(array)
    [[  ]
      [  ] ]
>>>print(‘number of ndim：’， array.ndim)  # 维度
number of mdim:
>>> print('shape:',array.shape) # 行数和列数
shape:(, )
>>>print(‘size：’，array.aize) # 元素个数
size ： 

2、Numpy 创建 array

2.1、关键字

　　array：创建数组

　　dtype：制定数据类型

　　zeros：创建数据全为 0

　　ones：创建数据全为 1

　　empty：创建数据接近 0

　　arrange：按指定范围创建数据

　　linspace：创建线段

# 创建数组
>>> a = np.array([2, 23, 4])
>>> print(a)
 [2, 23, 4]

# 指定类型
>>> a = np.array([2, 23, 4], dtype = np.int)
>>> print(a.dtype)
 int32

>>>a = np.array([2, 23, 4], dtype = np.float32)
>>> print(a.dtype)
float32

# 创建特定数据
>>> a = np.array([[2, 23, 4],[2, 32, 4]]) # 2d 矩阵 2行3列
>>> print(a)
[[2 23 4]
　　[2 32 4]]

# 创建全零数组
>>> a = np.zeros((3， 4)) # 数据全部为 0 3 行 4 列
>>> print(a)
[[0. 0. 0. 0.]
　　[0. 0. 0. 0.]
　　[0. 0. 0. 0.]]

# 创建全 1 的数组
>>> a = np.ones((3, 4), dtype = np.int) # 数据为 1  3行4列
>>> print(a)
{[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]}

# 创建全空数组 其实每个值都是接近于零的数
>>> a = np.empty((3, 4)) # 数据为 empty  3行 4列
>>> print(a)

 [[0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]]

# 用 arange 创建连续数组：

>>> a = np.arange(10, 20, 2) # 10 - 19 的数据，步长为 2
>>> print(a)
[10 12 14 16 18]

# 使用 linspace 创建线段型数据：
 >>>a = np.linspace(1, 10, 20) # 开始端为1， 结束端为 10， 且分割为 20 个数据，生成线段
 >>> print(a)

[ 1.          1.47368421  1.94736842  2.42105263  2.89473684  3.36842105  3.84210526  4.31578947  4.78947368  5.26315789  5.73684211  6.21052632
 6.68421053  7.15789474  7.63157895  8.10526316  8.57894737  9.05263158
 9.52631579 10.        ]

# 同样也能进行 reshape 工作：

　　>>> a = np.linspace(1, 10, 20).reshape((5, 4)) # 更改shape

　　>>> print(a)

　　

 [[ 1.          1.47368421  1.94736842  2.42105263]
  [ 2.89473684  3.36842105  3.84210526  4.31578947]
  [ 4.78947368  5.26315789  5.73684211  6.21052632]
  [ 6.68421053  7.15789474  7.63157895  8.10526316]
  [ 8.57894737  9.05263158  9.52631579 10.        ]]