当前速读:Numpy np.array()函数使用方法指南
目录
1、Numpy ndarray对象2、创建numpy数组总结1、Numpy ndarray对象
numpy ndarray对象是一个n维数组对象,ndarray只能存储一系列相同元素。
#一维数组 [1,2,3,4] #shape(4,) #二维数组 [[1,2,3,4]] #shape(1,4) [[1,2,3,4], [5,6,7,8]] #shape(2,4) #三维数组 [ [[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]] ] #shape(2,2,3)
2、创建numpy数组
numpy.array()使用说明:object是必须输入的参数,其余为可选参数。
import numpy as np np.array(object,dtype,copy=True,order,ndmin,subok=Fasle) # object: 一个数组序列,例如[1,2,3,4] # dtype: 更改数组内的数据类型 # copy: 数据源是ndarray时数组能否被复制,default=True # order: 选择数组的内存布局,C(行序列)|F(列序列)|A(默认) # ndmin: 数组维度 # subok: bool类型,True,使用object的内部数据类型;False,使用object的数组的数据类型,default=Fasle
创建存储元素类型不同的数组:
(相关资料图)
#int型 import numpy as np a=np.array([1,2,3,4],dtype=int) #"dtype="可省略 print(a) a.dtype """ 输出: [1 2 3 4] dtype("int32") """ #float型 b=np.array([1,2,3,4],dtype=float) print(b) b.dtype """ 输出: [1. 2. 3. 4.] dtype("float64") """
创建生成器:
a=np.array([i*10 for i in range(10)]) print(a) b=np.array([i+2 for i in range(10)]) print(b) """ 输出: [ 0 10 20 30 40 50 60 70 80 90] [ 2 3 4 5 6 7 8 9 10 11] """
当输入的object元素有不同类型时,将保留存储空间最大的类型:
x1=np.array([1,2,3,4,5.1]) print(x1) x2=np.array([1,2,3,"a"]) print(x2) x3=np.array([1,2.1,"a"]) print(x3) """ 输出: [1. 2. 3. 4. 5.1] ["1" "2" "3" "a"] ["1" "2.1" "a"] """
当多维数组元素个数不一致时:
x=np.array([[1,2,3],[1,2,3,4],[1,2,3,4,5]],dtype=object) #存储长度不一致序列时,应有“dtype=object”,否则会报错 print(x) print(x.shape) print(x.ndim) #输出数组的维度,2Darray强制转换成1Darray """ 输出: [list([1, 2, 3]) list([1, 2, 3, 4]) list([1, 2, 3, 4, 5])] (3,) 1 """
float强制转化int(向下取整):
a=np.array([1,2,3.1],int) b=np.array([1,2,3.7],int) print(a) print(b) """ 输出: [1 2 3] [1 2 3] """
用copy参数定义是否创建副本:
#默认copy=True情况下,复制创建x1的副本为x2 x1=np.array([1,2,3]) x2=np.array(x1) print("x1 ",id(x1),"x2",id(x2)) #更改x2的值,x1的值不会发生改变,反之,修改x1的值,x2也不会发生改变,因为二者地址不同 x2[2]=100 print("x1",x1) print("x2",x2) """ 输出: x1 2055556179312 x2 2055300844976 x1 x2地址不同 x1 [1 2 3] x2 [ 1 2 100] """ #copy=Fasle情况下,复制创建x1的副本为x2 x1=np.array([1,2,3]) x2=np.array(x1,copy=False) print("x1 ",id(x1),"x2",id(x2)) #更改x2的值,x1的值会发生改变,且x1永远等于x2,因为二者地址相同 x2[2]=100 print("x1",x1) print("x2",x2) """ 输出: x1 2055300125584 x2 2055300125584 x1 x2地址相同 x1 [ 1 2 100] x2 [ 1 2 100] """ #另一种创建副本方法:copy() 这种方法更常用 x1=np.array([1,2,3]) x2=x1.copy() print("x1 ",id(x1),"x2",id(x2)) #更改x2的值,x1的值不会发生改变 x2[2]=100 print("x1",x1) print("x2",x2) """ 输出: x1 2055556233040 x2 2055556062160 x1 [1 2 3] x2 [ 1 2 100] """
ps:如果直接用 x2=x1 的形式复制array,此时x1 x2 共用同一个地址
用ndmin改变数组维度(升维有效,降维无效):
a=np.array([1,2,3,4],ndmin=2) print("a ",a) b=np.array([[1,2],[1,2]],ndmin=3) print("b ",b) #2D降维成1D,但输出结果仍为2D c=np.array([[1,2],[1,2]],ndmin=1) print("c ",c) """ 输出: a [[1 2 3 4]] b [[[1 2] [1 2]]] c [[1 2] [1 2]] """
用subok参数(bool值)确定数据类型:
x1=np.mat([1,2,3]) a1=np.array(x1) #存储为原类型 b1=np.array(x1,subok=True) #存储为数组类型 print("x1 ",type(x1),"a1 ",type(a1),"b1 ",type(b1)) #原始格式为list,无论subok为何值都转换成数组类型 x2=[[1,2],[1,2],[1]] a2=np.array(x2,dtype=object) #存储为原类型 b2=np.array(x2,dtype=object,subok=True) #存储为数组类型 print("x2 ",type(x2),"a2 ",type(a2),"b2 ",type(b2)) """ 输出: x1a1 b1 x2 a2 b2 """
总结
到此这篇关于Numpy np.array()函数使用方法指南的文章就介绍到这了,更多相关Numpy np.array()函数用法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
X 关闭
X 关闭
- 15G资费不大降!三大运营商谁提供的5G网速最快?中国信通院给出答案
- 2联想拯救者Y70发布最新预告:售价2970元起 迄今最便宜的骁龙8+旗舰
- 3亚马逊开始大规模推广掌纹支付技术 顾客可使用“挥手付”结账
- 4现代和起亚上半年出口20万辆新能源汽车同比增长30.6%
- 5如何让居民5分钟使用到各种设施?沙特“线性城市”来了
- 6AMD实现连续8个季度的增长 季度营收首次突破60亿美元利润更是翻倍
- 7转转集团发布2022年二季度手机行情报告:二手市场“飘香”
- 8充电宝100Wh等于多少毫安?铁路旅客禁止、限制携带和托运物品目录
- 9好消息!京东与腾讯续签三年战略合作协议 加强技术创新与供应链服务
- 10名创优品拟通过香港IPO全球发售4100万股 全球发售所得款项有什么用处?