快捷導(dǎo)航

Numpy?np.array()函數(shù)使用方法指南

更新時間：2022年12月24日 16:22:29 作者：請你喝奶茶~

numpy是一個在Python中做科學(xué)計算的基礎(chǔ)庫,重在數(shù)值計算,也是大部分Python科學(xué)計算庫的基礎(chǔ)庫,多用于大型、多維數(shù)據(jù)上執(zhí)行數(shù)值計算,下面這篇文章主要給大家介紹了關(guān)于Numpy?np.array()函數(shù)使用方法指南的相關(guān)資料,需要的朋友可以參考下

1、Numpy ndarray對象

numpy ndarray對象是一個n維數(shù)組對象，ndarray只能存儲一系列相同元素。

#一維數(shù)組
[1,2,3,4]	#shape(4,)

#二維數(shù)組
[[1,2,3,4]]	#shape(1,4)

[[1,2,3,4],
 [5,6,7,8]]	#shape(2,4)

#三維數(shù)組
[
    [[1,2,3],[4,5,6]],
    [[7,8,9],[10,11,12]]
]	#shape(2,2,3)

2、創(chuàng)建numpy數(shù)組

numpy.array()使用說明：object是必須輸入的參數(shù)，其余為可選參數(shù)。

import numpy as np
np.array(object，dtype,copy=True,order,ndmin,subok=Fasle)
#	object: 一個數(shù)組序列，例如[1,2,3,4]
#	dtype: 更改數(shù)組內(nèi)的數(shù)據(jù)類型
#	copy: 數(shù)據(jù)源是ndarray時數(shù)組能否被復(fù)制，default=True
#	order: 選擇數(shù)組的內(nèi)存布局，C(行序列)|F(列序列)|A(默認(rèn))
#	ndmin: 數(shù)組維度
#	subok: bool類型，True，使用object的內(nèi)部數(shù)據(jù)類型；False,使用object的數(shù)組的數(shù)據(jù)類型，default=Fasle

創(chuàng)建存儲元素類型不同的數(shù)組：

#int型
import numpy as np
a=np.array([1,2,3,4],dtype=int)	#"dtype="可省略
print(a)
a.dtype
'''
輸出：
[1 2 3 4]
dtype('int32')
'''

#float型
b=np.array([1,2,3,4],dtype=float)
print(b)
b.dtype
'''
輸出：
[1. 2. 3. 4.]
dtype('float64')
'''

創(chuàng)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)
'''
輸出：
[ 0 10 20 30 40 50 60 70 80 90]
[ 2  3  4  5  6  7  8  9 10 11]
'''

當(dāng)輸入的object元素有不同類型時,將保留存儲空間最大的類型：

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)
'''
輸出：
[1.  2.  3.  4.  5.1]
['1' '2' '3' 'a']
['1' '2.1' 'a']
'''

當(dāng)多維數(shù)組元素個數(shù)不一致時：

x=np.array([[1,2,3],[1,2,3,4],[1,2,3,4,5]],dtype=object) 	#存儲長度不一致序列時，應(yīng)有“dtype=object”，否則會報錯
print(x)
print(x.shape)
print(x.ndim)	#輸出數(shù)組的維度，2Darray強(qiáng)制轉(zhuǎn)換成1Darray
'''
輸出：
[list([1, 2, 3]) list([1, 2, 3, 4]) list([1, 2, 3, 4, 5])]
(3,)
1
'''

float強(qiáng)制轉(zhuǎn)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)
'''
輸出：
[1 2 3]
[1 2 3]
'''

用copy參數(shù)定義是否創(chuàng)建副本：

#默認(rèn)copy=True情況下，復(fù)制創(chuàng)建x1的副本為x2
x1=np.array([1,2,3])
x2=np.array(x1)
print('x1 ',id(x1),'x2',id(x2))
#更改x2的值，x1的值不會發(fā)生改變，反之，修改x1的值，x2也不會發(fā)生改變，因為二者地址不同
x2[2]=100
print('x1',x1)
print('x2',x2)
'''
輸出：
x1  2055556179312 x2 2055300844976   x1 x2地址不同
x1 [1 2 3]
x2 [  1   2 100]
'''

#copy=Fasle情況下，復(fù)制創(chuàng)建x1的副本為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的值會發(fā)生改變,且x1永遠(yuǎn)等于x2，因為二者地址相同
x2[2]=100
print('x1',x1)
print('x2',x2)
'''
輸出：
x1  2055300125584 x2 2055300125584   x1 x2地址相同
x1 [  1   2 100]
x2 [  1   2 100]
'''

#另一種創(chuàng)建副本方法：copy() 這種方法更常用
x1=np.array([1,2,3])
x2=x1.copy()
print('x1 ',id(x1),'x2',id(x2))
#更改x2的值，x1的值不會發(fā)生改變
x2[2]=100
print('x1',x1)
print('x2',x2)
'''
輸出：
x1  2055556233040 x2 2055556062160
x1 [1 2 3]
x2 [  1   2 100]
'''

ps:如果直接用 x2=x1 的形式復(fù)制array,此時x1 x2 共用同一個地址

用ndmin改變數(shù)組維度(升維有效，降維無效)：

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降維成1D，但輸出結(jié)果仍為2D
c=np.array([[1,2],[1,2]],ndmin=1)
print('c ',c)
'''
輸出：
a  [[1 2 3 4]]
b  [[[1 2]
  [1 2]]]
c  [[1 2]
 [1 2]]
'''

用subok參數(shù)(bool值)確定數(shù)據(jù)類型：

x1=np.mat([1,2,3])
a1=np.array(x1) #存儲為原類型
b1=np.array(x1,subok=True)  #存儲為數(shù)組類型
print('x1 ',type(x1),'a1 ',type(a1),'b1 ',type(b1))

#原始格式為list，無論subok為何值都轉(zhuǎn)換成數(shù)組類型
x2=[[1,2],[1,2],[1]]
a2=np.array(x2,dtype=object) #存儲為原類型
b2=np.array(x2,dtype=object,subok=True)  #存儲為數(shù)組類型
print('x2 ',type(x2),'a2 ',type(a2),'b2 ',type(b2))
'''
輸出：
x1  <class 'numpy.matrix'> a1  <class 'numpy.ndarray'> b1  <class 'numpy.matrix'>
x2  <class 'list'> a2  <class 'numpy.ndarray'> b2  <class 'numpy.ndarray'>
'''