Numpy数组1 -- 创建数组

目录

一、优势

二、创建数组 -- np模块

1、引用numpy

2、对一些函数进行说明

array：

注：多维数组

arange：

修改形状不改变值reshape：

构建相同数字的数组

三、生成随机数组 -- random模块

1、引用

2、randn：

3、四舍五入

---

一、优势

由于python进行矩阵计算时，需要先循环遍历后再进行计算。

而numpy可以直接计算，因此，计算数量越大，矩阵规模越大，越节省时间。

二、创建数组 -- np模块

1、引用numpy

# import numpy as xxx(模块)
#比如
import numpy as np

2、对一些函数进行说明

array：

        将输入数据（列表、元组、数组或其他序列）转换为numpy数组，若不指明数据类型，则自动推断。

        属性：shape：返回元组，表示array的维度（形状、几行几列）

                   ndim：返回数字，表示维度的数目

                   size：返回数字，表示所有数据元素的数目

                   dtype：返回元素的数据类型

a = np.array( range(1,6) )
print(a.shape, a.ndim, a.size, a.dtype)

#指定数据类型
a1 = np.array( range(1,6), dtype = float )
#指定数据类型和位数
a2 = np.array( range(1,6), dtype = 'float32' )#位数修改为32位，之前是64位

注：多维数组

一维数组：当数组中每个元素都只带有一个下标时，为一维数组 -- 实质上是一组相同类型数据的线性集合

二维数组：数组的数组 -- 以数组作为数组元素的数组

arange：

        创建数字序列

        np.arange( [开始数字] , [结束数字], [步长], dtype - None )

b1 = np.arange(5)
b2 = np.arange(1,10,2)

修改形状不改变值reshape：

#生成1行10列
ar1 = np.arange(10)
#变成2行5列
ar2 = a1.reshape(2,5)
print(ar1)
print(ar2)
#不清楚对方阵型，之间变成一维
ar3 = a.flatten()

构建相同数字的数组

1、ones：创建全为1的数组

#3行
o1 = np.ones(3)
#2行3列
o2 = np.ones( (2,3) )

#创建与a相同形状和数据类型的数组，并且数组中的值均为1
o3 = np.ones_like( a,dtype = float,order = 'C',subok = True )

2、zeros：创建全为0的数组

#3行
z1 = np.zeros(3)
#2行3列
z2 = np.zeros( (2,3) )

#创建与a相同形状和数据类型的数组，并且数组中的值均为1
z3 = np.zeros_like( a,dtype = float,order = 'C',subok = True )

3、full：创建指定值的数组

# np.full( shape, full_value, dtype = None, order = 'C' )
#参数：
    shape：整数或整型元组定义返回数组的形状，可以是一个数（一维向量）或元组（多维向量）
    fill_value：标量，想设置的数
    dtype：数据类型，可定义返回数组的类型
#3行
f1 = np.full(3,520)
#2行3列
f2 = np.full( (2,3), 1314 )
#创建与a大小相同的指定数组
f3 = np.full_like( a, fill_value, dtype = None )

三、生成随机数组 -- random模块

1、引用

import random

2、randn：

#np.random.randn(d0,d1,d2, .... ,dn)
#括号里有几个数字就是几维

#一个随机数
r1 = np.random.randn()
#3个随机数字
r2 = np.random.randn(3)
#2行3列随机数字
r3 = np.random.randn(2,3)
#3块，每块2行3列
r4 = np.random.randn(3,2,3)

3、四舍五入

r5 = np.round(r4,2)
#对r4数组进行保留两位小数的操作