numpy_ndarry的创建及数据类型

ndarray 多维数组（N Dimension Array）

NumPy数组是一个多维的数组对象（矩阵），称为ndarray，具有矢量算数运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点

注意：ndarray的下标从0开始，且数组里的所有元素必须是相同类型

ndarray拥有的属性

1.ndim属性：维度个数

2.shape属性：纬度大小

3.dtype属性：数据类型

ndarray的随机创建

通过随机抽样（numpy.random）生成随机数据

示例代码：

# 导入numpy， 别名np imort numpy as np # 生成指定维度大小（3行4列）的随机多维浮点型数据（二维），rand固定区间0.0 ~ 1.0 arr = np.random.rand(3, 4) print(arr) print(type(arr)) # 生成指定维度大小（3行4列）的随机多维整型数据（二维），randint()可以指定区间（-1 ~ 5） arr = np.random.randint(-1, 5, size = (3, 4)) # 'size='可省略 print(arr) print(type(arr)) # 生成指定维度大小（3行4列）的随机多维浮点型数据（二维），uniform()可以指定区间（-1 ~ 5） arr = np.random.uniform(-1, 5, size = (3, 4)) # 'size='可省略 print(arr) print(type(arr)) print('维度个数: ', arr.ndim) print('维度大小: ', arr.shape) print('数据类型: ', arr.dtype) 

运行结果：

[[ 0.09371338 0.06273976 0.22748452 0.49557778] [ 0.30840042 0.35659161 0.54995724 0.018144 ] [ 0.94551493 0.70916088 0.58877255 0.90435672]] <class 'numpy.ndarray'> [[ 1 3 0 1] [ 1 4 4 3] [ 2 0 -1 -1]] <class 'numpy.ndarray'> [[ 2.25275308 1.67484038 -0.03161878 -0.44635706] [ 1.35459097 1.66294159 2.47419548 -0.51144655] [ 1.43987571 4.71505054 4.33634358 2.48202309]] <class 'numpy.ndarray'> 维度个数: 2 维度大小: (3, 4) 数据类型: float64

ndarray的序列创建

1. np.array(collection)

collection 为序列型对象（list)、嵌套序列对象（list of list)。

示例代码：

# list序列转换为ndarray lis = range(10) arr = np.array(lis) print(arr) # ndarray数据 print(arr.ndim) # 维度个数 print(arr.shape) # 维度大小 # list of list嵌套序列转换为ndarray lis_lis = [range(10), rarnge(10)] arr = np.array(lis_lis) print(arr) # ndarray数据 print(arr.ndim) # 维度个数 print(arr.shape) # 维度大小

运行结果：

# list序列转换为 ndarray [0 1 2 3 4 5 6 7 8 9] 1 (10,) # list of list嵌套序列转换为 ndarray [[0 1 2 3 4 5 6 7 8 9] [0 1 2 3 4 5 6 7 8 9]] 2 (2, 10)

2. np.zeros()

指定大小的全0数组。注意：第一个参数是元组，用来指定大小，如（3，4）。

3. np.ones()

指定大小的全1数组。注意：第一个参数是元组，用来指定大小，如（3，4）。

4. np.empty()

初始化数组，不是总是返回全0，有时返回的是未初始的随机值（内存里的随机值）。

示例代码（2，3，4）：

# np.zeros zeros_arr = np.zeros((3, 4)) # np.ones ones_arr = np.ones((2, 3)) # np.empty empty_arr = np.empty((3, 3)) # np.empty 指定数据类型 empty_int_arr = np.empty((3, 3), int) print('------zeros_arr------`) print(zeros_arr) print('\n------ones_arr------`) print(ones_arr) print('\n------empty_arr------`) print(empty_arr) print('\n------empty_int_arr------`) print(empty_int_arr)

运行结果：

------zeros_arr------- [[ 0. 0. 0. 0.] [ 0. 0. 0. 0.] [ 0. 0. 0. 0.]] ------ones_arr------- [[ 1. 1. 1.] [ 1. 1. 1.]] ------empty_arr------- [[ 0. 0. 0.] [ 0. 0. 0.] [ 0. 0. 0.]] ------empty_int_arr------- [[0 0 0] [0 0 0] [0 0 0]]

5. np.arrange()和reshape()

   arange()类似python的range(), 创建一个一维ndarray数组。
   reshape()将重新调整数组的维数

示例代码（5）：

# np.arange() arr = np.arange(15) # 15个元素的一维数组 print(arr) print(arr.reshape(3, 5)) # 3*5个元素的二维数组 print(arr.reshape(1, 3, 5)) # 1*3*5个元素的三维数组

运行结果：

[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]] [[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]]]

6. np.arange()和random.shuffle()

   random.shuffle()将打乱数组序列（类似于洗牌）

示例代码（6）：

arr = np.arange(15) print(arr) np.random.shuffle(arr) print(arr) print(arr.reshape(3, 5))

运行结果：

[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] [ 5 8 1 7 4 0 12 9 11 2 13 14 10 3 6] [[ 5 8 1 7 4] [ 0 12 9 11 2] [13 14 10 3 6]]

ndarray的数据类型

1. dtype参数

   指定数组的数据类型，类型名+位数，如float64, int32

2. astype方法

   转换数组的数据类型

示例代码（1、2）：

# 初始化3行4列数组，数据类型为float64 zeros_float_arr = np.zeros((3,4), dtype = np.float64) print(zeros_float_arr) print(zeros_float_arr.dtype) # astype转换数据类型，将已有的数组的数据类型转换为int32 zeros_int_arr = zeros_float_arr.astype =(np. int32) print(zeros_int_arr) print(zeros_int_arr.dtype)

运行结果：

[[ 0. 0. 0. 0.] [ 0. 0. 0. 0.] [ 0. 0. 0. 0.]] float64 [[0 0 0 0] [0 0 0 0] [0 0 0 0]] int32