Python第三方库numpy的详细使用（保姆级教程1）

目录

1、使用array创建数组（一维、二维、三维）

 2、通过使用range和arange创建数组（range与arange进行对比）

 3、通过随机数创建（random.random、random.randint、random.randn、random.normal）

 4、其他方式创建数组（zeros、ones、empty、logspace）

 5、ndarray对象的属性（ndim、dtype、shape、size、itemsize）

---

1、使用array创建数组（一维、二维、三维）

下面我将直接通过代码的形式直接展示通过array方法创建数组

#导入numpy模块
import numpy as np
#使用array函数创建一维数组
a = np.array([1, 2, 3, 4])
print(a)
print(type(a))

#使用array函数创建二维数组
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(b)
print(type(b))

#使用array函数创建三维数组
c = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]]])
print(c)
print(type(c))

#array函数中dtype的使用
d = np.array([3, 4, 5], dtype=float)
print(d)
print(type(d))

#array函数中ndim的使用
e = np.array([5, 6, 7], ndmin=3)
print(e)
print(type(e))

这是此单代码的运行结果

 2、通过使用range和arange创建数组（range与arange进行对比）

代码和运行结果如下：

#导入numpy
import numpy as np
#range的使用range(start,end,step)[start,end)左闭右开
a = list(range(1, 9))
print(a)
b = list(range(10))#默认从0开始步长是1
print(b)
c = list(range(1, 10, 3))
print(c)

#arange的使用,创建数组
d = np.arange(1, 11)
print(d)
#设置步长
e = np.arange(1, 10, 2)
print(e)

#设置dtype
f = np.arange(10, 20, 2, dtype=float)
print(f)

 3、通过随机数创建（random.random、random.randint、random.randn、random.normal）

代码中我只运行了一部分，一部分注释掉了，希望感兴趣的朋友可以自己根据我的代码都尝试一下

import numpy as np
def randomTest():
    # 使用random创建一维数组[0.0,1.0)
    a = np.random.random(size=5)
    print(a)
    print(type(a))

    # 创建二维数组
    b = np.random.random(size=(3, 4))
    print(b)

    # 创建三维数组
    c = np.random.random(size=(2, 3, 4))
    print(c)

#随机整数
def randomintTest():
    #生成0-5之间的随机整数 一维
    a = np.random.randint(6, size=10)
    print(a)
    print(type(a))

    #生成5-10之间的随机整数 二维
    b = np.random.randint(5, 11, size=(4, 3))  #4行3列
    print(b)

    #生成5-10之间的随机数 sa三维 类型是float
    c = np.random.randint(5, 11, size=(2, 4, 3))
    print(c)

    #dtype的使用
    d = np.random.randint(10, size=5, dtype=np.int64)
    print(d.dtype)
#创建标准的正态分布，期望为0，方差为1
def randnTest():
    a = np.random.randn(4)
    print(a)

    #创建二维的
    b = np.random.randn(2, 3)
    print(b)

    #创建三维的
    c = np.random.randn(2, 3, 4)
    print(c)


#创建指定的期望和方差的正态分布
def normalTest():
    a = np.random.normal(size=5) #默认的期望loc=0， 方差scale=1.0
    print(a)

    #指定期望和方差
    b = np.random.normal(loc=2, scale=3, size=(3, 4))
    print(b)

#调用
#randomTest()
# randomintTest()
# randnTest()
normalTest()

 4、其他方式创建数组（zeros、ones、empty、logspace）

#导入numpy
import numpy as np
#zeros
def zerosTest():
    a = np.zeros(5)
    print(a)
    #指定类型
    b = np.zeros((5,), dtype=int)
    print(b)
    #创建二维数组
    c = np.zeros((3, 4))
    print(c)


#ones
def onesTest():
    a = np.ones(10)
    print(a)
    b = np.ones((2, 5), dtype=int)
    print(b)


#empty
def emptyTest():
    a = np.empty(8)
    print(a)

    b = np.empty((3, 4))
    print(b)


#linspace
def linspaceTest():
    a = np.linspace(1, 10, 10)
    print(a)


    b = np.linspace(5, 20, 5, endpoint=False)
    print(b)


def logspaceTest():
    a = np.logspace(0, 9, 10, base=2)
    print(a)

zerosTest()
onesTest()
emptyTest()
linspaceTest()
logspaceTest()

 5、ndarray对象的属性（ndim、dtype、shape、size、itemsize）

#导入numpy
import numpy as np
#创建一维数组
a = np.array([1,  2, 3, 4])
print(a)
#创建二维数组
b = np.arange(4, 10)
print(b)


b = np.random.randint(4, 10, size=(2, 3))
print(b)

#创建三维数组
c = np.random.randn(2, 3, 4)
print(c)
#ndim属性
print("ndim:", a.ndim, b.ndim, c.ndim)
#shape属性
print('shape；', a.shape, b.shape, c.shape)
#dtype属性
print('dtype；',a.dtype, b.dtype, c.dtype)
#size元素的总个数
print('size:', a.size, b.size, c.size)
#itemsize 每个元素所占字节
print('itemsize；', a.itemsize, b.itemsize, c.itemsize)

我直接以代码加运行结果的形式来给大家更直观的理解体验，希望大家能够掌握numpy最基本的使用，暂时先发这一篇吧，剩下的内容我将在后续的文章中在分享给大家希望大家能够喜欢。