数组对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray,它是一系列同类型数据的集合,从0 开始进行集合中元素的索引;ndarray 对象是用于存放同类型元素的多维数组,其中的每个元素在内存中都有相同存储大小的区域。

ndarray 内部由以下内容组成:

  • 一个指向数据(内存或内存映射文件中的一块数据)的指针。
  • 数据类型或(dtype),描述在数组中的固定大小值的格子。
  • 一个表示数组形状(shape)的元组,表示各维度大小的元组。
  • 一个跨度元组(stride),其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

ndarray 的内部结构:



跨度可以是负数,这样会使数组在内存中后向移动,切片中 obj[::-1]obj[:,::-1] 就是如此。

创建一个 ndarray 只需调用 NumPy 的 array 函数即可:

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数说明:

名称 描述
object 数组或嵌套的数列
dtype 数组元素的数据类型,可选
copy 对象是否需要复制,可选
order 创建数组的样式,C为行方向,F为列方向,A为任意方向(默认)
subok 默认返回一个与基类类型一致的数组
ndmin 指定生成数组的最小维度

基本创建操作

In [1]: import numpy as np  #导入模块

#np.array()用于创建一维或多维数组
In [2]: x = np.array([1,4,2,5,3])
In [3]: x
Out[3]: array([1, 4, 2, 5, 3]) #Numpy要求数组必须包含同一类型的数据,如果类型不一致,将会向上转换(整型会转换成浮点型)
In [5]: np.array([3.14,4,2,3])
Out[5]: array([3.14, 4. , 2. , 3. ]) #dtype用于指定数据类型
In [6]: np.array([1,2,3,4],dtype='float64')
Out[6]: array([1., 2., 3., 4.]) #嵌套列表构成多维数组
In [7]: np.array([range(i,i+3) for i in [2,4,6]])
Out[7]:
array([[2, 3, 4],
[4, 5, 6],
[6, 7, 8]]) #numpy.asarray(a, dtype = None, order = None) 从已有的数组创建数组
In [16]: x = [1,2,3]
In [17]: a = np.asarray(x[:2]) In [18]: a
Out[18]: array([1, 2]) #创建一个长度为10的整数型数组,数组的值都是0
#numpy.zeros(shape, dtype = float, order = 'C或F')
In [2]: np.zeros(10,dtype=int)
Out[2]: array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0]) #创建一个3 * 5 的浮点型数组,数组的值都是1.
#numpy.ones(shape, dtype = None, order = 'C或F')
In [3]: np.ones((3,5),dtype=float)
Out[3]:
array([[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.]]) #创建一个3 * 5 的浮点型数组,数组的值都是3.14
In [4]: np.full((3,5),3.14)
Out[4]:
array([[3.14, 3.14, 3.14, 3.14, 3.14],
[3.14, 3.14, 3.14, 3.14, 3.14],
[3.14, 3.14, 3.14, 3.14, 3.14]]) #创建一个线性序列数组,从0开始,20结束,步长为2 [与内置的range函数类似]
In [5]: np.arange(0,20,2)
Out[5]: array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18]) #创建一个3*3的,在0~1均匀分布的随机数组成的数组
In [7]: np.random.normal(0,1,(3,3))
Out[7]:
array([[ 0.97341698, 0.88933442, 0.22194868],
[-1.71214362, 0.45802193, -1.2897651 ],
[-0.09084611, 1.18721238, -1.16374604]]) #创建一个3*3的,在[0,10)随机整数组成的数组
In [8]: np.random.randint(0,10,(3,3))
Out[8]:
array([[9, 4, 5],
[7, 6, 1],
[0, 6, 0]]) #创建一个3*3的单位矩阵
In [9]: np.eye(3)
Out[9]:
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]]) #创建一个由3个整数型组成的未初始化的数组
#数组的值是内存空间中的任意值
#numpy.empty(shape, dtype = float, order = 'C或F')
In [10]: np.empty(3)
Out[10]: array([1., 1., 1.]) #复数
In [2]: a = np.array([1,2,3],dtype = complex)
In [3]: a
Out[3]: array([1.+0.j, 2.+0.j, 3.+0.j]) #创建一个对数数列,等比
#np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
In [12]: a = np.logspace(0,9,num=10)
In [13]: a
Out[13]:
array([1.e+00, 1.e+01, 1.e+02, 1.e+03, 1.e+04, 1.e+05, 1.e+06, 1.e+07,
1.e+08, 1.e+09]) In [14]: b = np.logspace(0,9,10,base=2)
In [15]: b
Out[15]: array([ 1., 2., 4., 8., 16., 32., 64., 128., 256., 512.]) #创建一个在0~1之间均匀取5个值的数组,等差
#np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
In [6]: np.linspace(0,1,5)
Out[6]: array([0. , 0.25, 0.5 , 0.75, 1. ]) #numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0) 接受 buffer 输入参数,以流的形式读入转化成 ndarray 对象。
#buffer 是字符串的时候,Python3 默认 str 是 Unicode 类型,所以要转成 bytestring 在原 str 前加上 b。
In [21]: s = b'Hello'
In [22]: a = np.frombuffer(s,dtype='S1')
In [25]: a
Out[25]: array([b'H', b'e', b'l', b'l', b'o'], dtype='|S1') #numpy.fromiter(iterable, dtype, count=-1)从可迭代对象中建立 ndarray 对象,返回一维数组。
In [26]: list = range(5)
In [27]: it = iter(list) In [28]: x = np.fromiter(it,dtype=float)
In [29]: x
Out[29]: array([0., 1., 2., 3., 4.])

Numpy的数组对象的更多相关文章

  1. Numpy数组对象的操作-索引机制、切片和迭代方法

    前几篇博文我写了数组创建和数据运算,现在我们就来看一下数组对象的操作方法.使用索引和切片的方法选择元素,还有如何数组的迭代方法. 一.索引机制 1.一维数组 In [1]: a = np.arange ...

  2. Python数据分析学习(二):Numpy数组对象基础

    1.1数组对象基础 .caret, .dropup > .btn > .caret { border-top-color: #000 !important; } .label { bord ...

  3. Numpy学习一:ndarray数组对象

    NumPy是Python的一个高性能科学计算和数据分析基础库,提供了功能强大的多维数组对象ndarray.jupyter notebook快速执行代码的快捷键:鼠标点击选中要指定的代码框,Shift ...

  4. numpy 数组对象

    numpy 数组对象NumPy中的ndarray是一个多维数组对象,该对象由两部分组成:实际的数据,描述这些数据的元数据# eg_v1 import numpy as np a = np.arange ...

  5. Numpy的ndarry:一种多维数组对象

    Numpy的ndarry:一种多维数组对象 Numpy最重要的一个特点就是其N维数组对象(即ndarry),该对象是一个快速而灵活的大数据集容器.你可以利用这种数组对整块数据执行一些数学运算,其语法跟 ...

  6. [转]Numpy中矩阵对象(matrix)

    numpy模块中的矩阵对象为numpy.matrix,包括矩阵数据的处理,矩阵的计算,以及基本的统计功能,转置,可逆性等等,包括对复数的处理,均在matrix对象中. class numpy.matr ...

  7. NumPy:数组计算

    一.MumPy:数组计算 1.NumPy是高性能科学计算和数据分析的基础包.它是pandas等其他各种工具的基础.2.NumPy的主要功能: ndarray,一个多维数组结构,高效且节省空间 无需循环 ...

  8. NumPy 迭代数组

    NumPy 迭代数组 NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式. 迭代器最基本的任务的可以完成对数组元素的访问. 接下来我们使用 arange() ...

  9. 一、Numpy基础--数组

    (一)Numpy数组对象 Numpy中的nadrray是一个多维数组对象,该对象由两部分组成: 实际的数据 描述这些数据的元数据 大部分的数组操作仅仅修改元数据部分,而不改变底层的实际数据. 数组的数 ...

  10. Numpy用于数组数据的存储和读取

    Python的Numpy模块可用于存储和读取数据: 1.将一个数组存储为二进制文件 Numpy.save:将一个数组以.npy的格式保存为二进制文件 调用格式:numpy.save(file, arr ...

随机推荐

  1. 为产品的一堆Visual Studio解决方案引入Directory.Build.props

    为什么需要Directory.Build.props? 一个产品有了多个甚至几十个解决方案之后,每个解决方案里面的项目可能会引用一个dll包的不同版本,因此需要集中管理dll包的版本号. .NET的D ...

  2. [golang] 概念: struct vs interface

    struct vs interface go语言的简化哲学: class = struct + receiver method set 注意: go 语言的struct,在参数传递中,是值拷贝. st ...

  3. 【Azure 事件中心】如何查看事件中心的消息中具体报文内容呢?

    问题描述 如何查看事件中心的消息中具体报文内容呢? 问题解答 正常情况是通过 Event Hub 的消费端获取消息进行处理查看,但是没有客户端代码的情况下,也可以通过微软的默认客户端Service B ...

  4. VC-MFC(1) 随笔笔记+连接数据库

    1 数据库语句: 2 CREATE DATABASE---创建新数据库 3 ALTER DATABASE-----修改数据库 4 CREATE TABLE ---- -创建新表 5 ALTER TAB ...

  5. Nacos服务跨分组调用

    一. 问题背景 nacos有两种服务隔离的机制,一个是空间namespace,一般我们用namespace区分环境,另外一个是分组group,nacos的默认调用机制是同namespace下的同gro ...

  6. @hook:updated="$common.lib.consoleInfo('updated')" vue外层插入监听事件

    @hook:updated="$common.lib.consoleInfo('updated')" vue外层插入监听事件

  7. nginx和tomcat 反向代理 部署实例 直接运行

    1 前言 1.1 目的 为了正确的部署"ngix+memcached"特编写此部署手册,使安装人员可以通过部署手册知道如何部署系统,也为需要安装该系统的安装人员正确.快速的部署本系 ...

  8. LoggerMessageAttribute 高性能的日志记录

    .NET 6 引入了 LoggerMessageAttribute 类型. 使用时,它会以source-generators的方式生成高性能的日志记录 API. source-generators可在 ...

  9. 网络流媒体协议的联系与区别 (RTP RTCP RTSP RTMP HLS)(转)

    网络流媒体协议的联系与区别(RTP RTCP RTSP RTMP HLS) RTP RTCP RTSP RTMP HLS 区别与联系 RTP传输流媒体数据.RTCP对RTP进行控制,同步.RTSP发起 ...

  10. FBEC大会 | 瑞云科技 CTO 赵志杰:元宇宙时代的基础设施——实时云渲染

    FBEC未来商业生态链接大会于2023年2月24日在深圳福田大中华喜来登酒店盛大召开,本次大会由广东省游戏产业协会.深圳市互联网文化市场协会指导,陀螺科技主办. 大会以"勇毅前行·逐光而上& ...