numpy常见属性、创建数组

 

1、几种常见numpy的属性

• ndim:维度
• shape:行数和列数
• size:元素个数

 >>> import numpy as np #导入numpy模块，np是为了使用方便的简写
 >>> array = np.array([[1,2,3],[2,3,4]])  #列表转化为矩阵
 >>> print(array)
  [[1 2 3]
   [2 3 4]]
 >>>
 >>> print('number of dim:',array.ndim)  # 维度
 number of dim: 2
 >>> print('shape :',array.shape)    # 行数和列数
 shape : (2, 3)
 >>> print('size:',array.size)   # 元素个数
 size: 6

 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

2.2 创建数组

 #创建数组
 >>> a = np.array([2,23,4])  # list 1d
 >>> 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.int32)
 >>> print(a.dtype)
 int32

 >>> a = np.array([2,23,4],dtype=np.float)
 >>> print(a.dtype)
 float64

 >>> 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)) # 数据全为0，3行4列
 >>> print(a)
 [[0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]]

 #创建全1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，2步长
 >>> print(a)
 [10 12 14 16 18]

 #使用 reshape 改变数据的形状
 >>> a = np.arange(12).reshape((3,4))    # 3行4列，0到11
 >>> print(a)
 [[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 #用 linspace 创建线段型数据:
 >>> a = np.linspace(1,10,20)    # 开始端1，结束端10，且分割成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.        ]]