【F-python基础编程】Python数组操作 之 创建数组

Python数组操作

3种不同的形式：
- 用list和tuple等数据结构表示数组
- 用array模块
- NumPy库 np.array

1-用list和tuple等数据结构表示数组

　　用列表定义数组，也可以用元组定义列表，元组是不可变的列表：
　　一维数组：list=[1,2,3,4]
　　二维数组：list=[[1,2,3],[4,5,6],[7,8,9]]
弊端：
- 标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。
　　

#-------------用列表类型定义数组----------
#直接定义数组
matrix = [[1,2],[3,4]]
#for循环定义数组
matrix0 = [i for i in range(3) for j in range(4)]        
#外循环为 i  内循环为 j。 即每次执行一次i循环，都要执行完j循环 3*4 一共12个值 一维数组
matrix1 = [[0 for i in range(3)] for j in range (4)]     
#外循环为 j  内循环为 i。 即每次执行一次j循环，都要执行完i循环 二维数组
print(matrix0)
print(matrix1)

输出：

[0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2]
[[0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0]]

2-用array模块

• array模块需要加载，而且运用的较少,通过array函数创建数组（数组中的元素可以不是同一种类型），array.array(‘B’,range(5))
• array(‘B’,[1,2,3,4,5]),提供append、insert和read等函数 弊端：array对象和列表不同，它直接保存数值，和C语言的一维数组比较类似。但是由于它不支持多维，也没有各种运算函数，因此也不适合做数值运算。

3-Numpy库

Numpy的诞生弥补了这些不足，Numpy提供了两种基本的对象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray(数组)是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数
ndarray是Numpy中的基本数据结构，所有元素是同一种类型，优点：节省内存和提高CPU计算时间，有丰富的函数

数组的创建：

'''
author dandanhuang
Email [email protected]
2018-08-23

array函数创建:
创建一维数组：np.array([元素1,元素2,……])
创建二维数组：np.array ( [ [ 元素1，元素2……],[ 元素1，元素2，…… ],[ ],[ ] ] )

1.arange函数类似python中的range函数，通过指定初始值、终值以及步长（默认步长为1）来创建数组
2.linspace函数通过指定初始值、终值以及元素个数来创建一维数组
3.logspace函数与linspace类似，只不过它创建的是一个等比数列，同样的也是一个一维数组
4.函数ones创建一个全1的数组、
5.函数zeros创建一个全0的数组、
6.函数empty创建一个内容随机的数组，在默认情况下，用这些函数创建的数组的类型都是float64，若需要指定数据类型，只需要闲置dtype参数即可
7.fromstring函数从字符串中读取数据并创建数组
2.fromfunction函数由第一个参数作为计算每个数组元素的函数（函数对象或者lambda表达式均可），第二个参数为数组的形状

'''

import numpy as np

x1=np.arange(1,5,0.5)
x2=np.random.random((2,2))
x3=np.linspace(1,2,5,endpoint=False)
x4=np.ones([2,3])
x5=np.zeros((2,2))
s1 = "1,2,3,4,5"
x6=np.fromstring(s1, dtype=np.int64, sep=",")
x8=np.fromfunction(lambda i,j:(i+1)*(j+1),(9,9))  #匿名函数
x7=np.fromfunction(lambda i,j: i+j, (3,3), dtype = int)
print(x1,x2,x3,x4,x5,x6,x7,x8)

'''
import numpy as np

x1=np.arange(1,5,0.5)
x2=np.random.random((2,2))
x3=np.linspace(1,2,5,endpoint=False) 
x4=np.ones([2,3])
x5=np.zeros((2,2))
x6=np.fromfunction(lamda i,j:(i+1)*(j+1),(9,9)) #匿名函数

输出：

[1. 1.5 2. 2.5 3. 3.5 4. 4.5]
[[0.4894656 0.31567792]
[0.16518892 0.48548549]]
[1. 1.2 1.4 1.6 1.8]
[[1. 1. 1.]
[1. 1. 1.]]
[[0. 0.]
[0. 0.]]
[1 2 3 4 5]
[[0 1 2]
[1 2 3]
[2 3 4]]

参考博客：
https://blog.csdn.net/scorpion_zs/article/details/52526310
https://www.cnblogs.com/Lee-yl/p/8625402.html