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npimort 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 ~ 1.0arr = 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]][[ 1  3  0  1] [ 1  4  4  3] [ 2  0 -1 -1]][[ 2.25275308  1.67484038 -0.03161878 -0.44635706] [ 1.35459097  1.66294159  2.47419548 -0.51144655] [ 1.43987571  4.71505054  4.33634358  2.48202309]]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ndarraylis = 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ndarraylis_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.zeroszeros_arr = np.zeros((3, 4))# np.onesones_arr = np.ones((2, 3))# np.emptyempty_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float64zeros_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int32zeros_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