认识numpy的数组
认识ndarray
——ndarray:用于存储单一数据类型的多维数组
ndarray基础属性的认识
import numpy as np #将numpy简写为np方便调用
1.通过以下实例来认识array
实例1:认识array的创建与属性
Array_1=np.array([[1,2,3,4],[5,6,7,8]],dtype=float)
print("这是数组Array_1:
",Array_1)
print("Array_1的维度:",Array_1.ndim,"
Array_1的形状:",Array_1.shape)
print("Array_1的数量:",Array_1.size,"
Array_1的类型:",Array_1.dtype)
print("Array_1的每个元素字节大小",Array_1.itemsize)
Array_2=np.array([ [1],[2],[3],["b"],[1,2,3,4]])
print("这是数组Array_2:
",Array_2)
print("Array_2的维度:",Array_2.ndim,"
Array_2的形状:",Array_2.shape)
print("Array_2的数量:",Array_2.size,"
Array_2的类型:",Array_2.dtype)
print("Array_2的每个元素字节大小",Array_2.itemsize)
实例2:认识数组的创建函数
arange(起始值,终值,步长) ——等步长生成数组
np.arange(0,10,1)
linspace(起始值,终值,元素个数)——等差数列数组
np.linspace(0,10,11)
logspace(起始值,终值,元素个数)——等比数列数组
base=底数设置
np.logspace(0,9,10,base=2)
2.数组的索引(在python切片的基础上了解学习)
一维数组索引
数组[起始站:终值:步长]
Array_3=np.arange(0,12,1)
Array_3
Array_3[0:9:2] #从0-8以2为步长
Array_3[-7::-1] #5-0步长为-1
二维数组索引
数组[行索引,列索引:步长]
Array_4=Array_3.reshape(3,4)#改变数组的形状
Array_4
Array_4[0:2,0:3 :2]
数组轴的认识
以二维数组为例子
np.array([[1,2,3],[4,5,6],[7,8,9]])
多维数组轴的表示
(轴0,轴1,轴2,….轴n)
笔者认为数组轴就是维度的表示,以x,y,z为例子x=轴0 ,y=轴1 ,z=轴2.