创建数组

由python列表或元组创建数组

import numpy as np
a=np.array([2,3,4])
b=np.array([1.2,3.5,5.1])

创建2维数组

b = np.array([(1.5,2,3), (4,5,6)])

显式指定数组类型

c = np.array( [ [1,2], [3,4] ], dtype=complex )

通过函数创建ndarray

通过zeros或ones函数创建全0或全1的数组

np.zeros( (3,4) )
np.ones( (2,3,4), dtype=np.int16 )

通过empty函数创建没有任何具体值的数组

np.empty( (2,3) )

通过随机函数创建数组

from numpy.random import randn
import numpy as np

data = randn(2, 3)

通过数字序列创建ndarray

arange是Python内置函数range数组版

>>> np.arange( 10, 30, 5 )
array([10, 15, 20, 25])
>>> np.arange( 0, 2, 0.3 )
array([ 0. ,  0.3,  0.6,  0.9,  1.2,  1.5,  1.8])

如果没有特别指定，数组类型基本都是float64（浮点数）

通过linspace指定数字序列中元素个数

>>> from numpy import pi
>>> np.linspace( 0, 2, 9 )                 # 9 numbers from 0 to 2
array([ 0.  ,  0.25,  0.5 ,  0.75,  1.  ,  1.25,  1.5 ,  1.75,  2.  ])
>>> x = np.linspace( 0, 2*pi, 100 )        # useful to evaluate function at lots of points
>>> f = np.sin(x)

ndarray数据类型

查看数据类型

arr1 = np.array([1, 2, 3], dtype=np.float64)
arr2 = np.array([1, 2, 3], dtype=np.int32)
arr1.dtype
arr2.dtype

可以通过ndarray的astype方法显式的转换数据类型

arr = np.array([1, 2, 3, 4, 5])
arr.dtype
float_arr = arr.astype(np.float64)
float_arr.dtype

将浮点数转换为整数

arr = np.array([3.7, -1.2, -2.6, 0.5, 12.9, 10.1])
arr
arr.astype(np.int32)

将字符串转换为数值

numeric_strings = np.array(['1.25', '-9.6', '42'], dtype=np.string_)
numeric_strings.astype(float)

将Int转换为float

int_array = np.arange(10)
calibers = np.array([.22, .270, .357, .380, .44, .50], dtype=np.float64)
int_array.astype(calibers.dtype)

ndarray信息

ndarray中所有元素必须类型相同，每个数组都可以通过shape和dtype查看数组信息

查看数组各维度大小

ndarray.shape

数组中元素类型

ndarray.dtype

获取数组的维度数目

ndarray.ndim

数组元素的总数

ndarray.size

数组中每个元素的字节大小

ndarray.itemsize

打印数组

当打印数组时，Numpy以类似于嵌套列表的方式显示

一维数组打印

>>> a = np.arange(6)                         # 1d array
>>> print(a)
[0 1 2 3 4 5]

二维数组打印

>>> b = np.arange(12).reshape(4,3)           # 2d array
>>> print(b)
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

三维数组打印

>>> c = np.arange(24).reshape(2,3,4)         # 3d array
>>> print(c)
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]
 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]