numpy库概述
numpy库处理的最基础数据类型是由同种元素构成的多维数组，简称为“数组”
数组的特点：
- 数组中所有元素的类型必须相同
- 数组中元素可以用整数索引
- 序号从0开始
ndarray类型的维度叫做轴，轴的个数叫做秩
numpy库的解析
由于numpy库中函数较多而且容易与常用命名混淆，建议采用如下方法引用numpy库
import numpy as np
numpy库中常用的创建数组函数
| 函数 | 描述 |
| np.array([x,y,z],dtype=int) | 从Python列表和元组中创建数组 |
| np.arange(x,y,i) | 创建一个由x到y，以i为步长的数组 |
| np.linspace(x,y,n) | 创建一个由x到y，等分成n个元素的数组 |
| np.indices((m,n)) | 创建一个m行n列的矩阵 |
| np.random.rand(m,n) | 创建一个m行n列的随机数组 |
| np.ones((m,n),dtype) | 创建一个m行n列全1的数组，dtype是数据类型 |
| np.empty((m,n),dtype) | 创建一个m行n列全0的数组，dtype是数据类型 |
import numpy as np
a1 = np.array([1,2,3,4,5,6])
a2 = np.arange(1,10,3)
a3 = np.linspace(1,10,3)
a4 = np.indices((3,4))
a5 = np.random.rand(3,4)
a6 = np.ones((3,4),int)
a7 = np.empty((3,4),int)
print(a1)
print("===========================================================")
print(a2)
print("===========================================================")
print(a3)
print("===========================================================")
print(a4)
print("===========================================================")
print(a5)
print("===========================================================")
print(a6)
print("===========================================================")
print(a7)
=================================================================================
[1 2 3 4 5 6]
===========================================================
[1 4 7]
===========================================================
[ 1. 5.5 10. ]
===========================================================
[[[0 0 0 0]
[1 1 1 1]
[2 2 2 2]]
[[0 1 2 3]
[0 1 2 3]
[0 1 2 3]]]
===========================================================
[[0.00948155 0.7145306 0.50490391 0.69827703]
[0.18164292 0.78440752 0.75091258 0.31184394]
[0.17199081 0.3789 0.69886588 0.0476422 ]]
===========================================================
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
===========================================================
[[0 0 0 0]
[0 0 0 0]
[0 0 0 0]]
在建立一个简单的数组后，可以查看数组的属性
| 属性 | 描述 |
| ndarray.ndim | 数组轴的个数，也被称为秩 |
| ndarray.shape | 数组在每个维度上大小的整数元组 |
| ndarray.size | 数组元素的总个数 |
| ndarray.dtype | 数组元素的数据类型，dtype类型可以用于创建数组 |
| ndarray.itemsize | 数组中每个元素的字节大小 |
| ndarray.data | 包含实际数组元素的缓冲区地址 |
| ndarray.flat | 数组元素的迭代器 |
import numpy as np
a6 = np.ones((3,4),int)
print(a6)
print("=========================================")
print(a6.ndim)
print("=========================================")
print(a6.shape)
print("=========================================")
print(a6.size)
print("=========================================")
print(a6.dtype)
print("=========================================")
print(a6.itemsize)
print("=========================================")
print(a6.data)
print("=========================================")
print(a6.flat)
=================================================================================
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
=========================================
2
=========================================
(3, 4)
=========================================
12
=========================================
int32
=========================================
4
=========================================
<memory at 0x0000020D7<mark style="color:transparent">本文来源gaodaimacom搞#^代%!码网@</mark>9545908>
=========================================
<numpy.flatiter object at 0x0000020D103B1180>
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：Python基础之numpy库的使用
转载请注明原文链接：Python基础之numpy库的使用
