python生成numpy数组
python生成numpy数组
正在生成numpy数组
numpy.ndarray是一种表示N维数组的类型。
数组可以生成：
1.包含数字数据的Python列表
2.使用numpy数组生成函数
3.从文件中读取数据
my_list = [1,2,3,4,5]
my_array = np.array(my_list) # create a simple 1-D array
print(my_list)
print(my_array)
print(type(my_list))
type(my_array)
my_2d_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(my_2d_array)
type(my_2d_array)
my_2d_array.shape #the result is (3,3)
my_2d_array.size #the result is 9
my_2d_array.dtype #the result is dtype('int64')
N维阵列:
注意，numpy将数组概括为N维数组。
x2 = np.array([[1,2], [3, 4]]) # a matrix
x3 = np.array([x2, x2, x2, x2]) # stacking two matrices
x3.shape
x4 = np.array([x3, x3, x3, x3, x3]) # stacking 5 3-D structures
x4.shape
ndarray是一个（通常是固定大小）由相同类型和大小的项目组成的多维容器。
数组中维度和项目的数量由其形状定义，形状是由N个非负整数组成的元组，指定每个维度的大小。
数组中的项类型由单独的数据类型对象（dtype）指定，其中一个与每个ndarray关联。
与Python中的其他容器对象一样，可以通过对数组进行索引或切片（例如使用N个整数）以及通过ndarray的方法和属性来访问和修改ndarray的内容。
不同的ndarray可以共享相同的数据，因此在一个ndarray中所做的更改可能在另一个ndarray中可见。
也就是说，一个ndarray可以是另一个ndarray的“视图”，它引用的数据由“基本”ndarray处理。
Ndarray也可以是Python字符串或实现缓冲区或数组接口的对象所拥有的内存视图。
数组生成函数
np.arange(10)
np.arange(100, 110, 2)
np.linspace(10, 20, 5)
np.zeros((10, 10))
np.ones((2, 5)) * 4
numpy.linspace
1.返回指定间隔内的等距数字。
2.返回在[start，stop]间隔内计算的等距采样数。
停止数组:序列的结束值，除非端点设置为False。
在这种情况下，序列由除最后一个num+1等距采样外的所有采样组成，因此停止被排除。
请注意，当端点为False时，步长会更改。
numint，可选要生成的样本数。默认值为50。必须是非负的。
端点布尔，可选:如果为True，则停止为最后一个样本。否则，不包括在内。默认值为True。
retstepbool，可选:如果为True，则返回（样本，步长），其中步长是样本之间的间距。
数据类型，可选:输出数组的类型。如果未给出数据类型，则从开始和停止推断数据类型。推断出的数据类型永远不会是整数；即使参数将生成整数数组，也会选择float。
np.ones返回一个给定形状和类型的新数组，并填充一个。
np.ones参数:整数的形状或序列
希望大家能够多多关注我，我会分享给大家更多简单易懂的代码方式