1、创建一个NumPy ndarray对象
NumPy用于处理数组。 NumPy中的数组对象称为ndarray
。
我们可以使用array()
函数创建一个NumPyndarray
对象。
例如:
import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr) print(type(arr))
type():此内置的Python函数告诉我们传递给它的对象的类型。 像上面的代码一样,它表明arr
是numpy.ndarray
类型。
要创建一个ndarray
,我们可以将一个列表,元组或任何类似数组的对象传递给array()
方法,然后它将被转换为一个ndarray
:
例如:
使用元组创建一个NumPy数组:
import numpy as np arr = np.array((1, 2, 3, 4, 5)) print(arr)
2、数组维数
数组中的维是数组深度的一个级别(嵌套数组)。
嵌套数组:是将数组作为元素的数组。
3、0-D Arrays(数组)
0-D数组或标量是数组中的元素。 数组中的每个值都是一个0-D数组。
例如:
创建一个值为42的0-D数组
import numpy as np arr = np.array(42) print(arr)
4、1-D Arrays(数组)
以0-D数组作为元素的数组称为一维数组或1-D array。
这些是最常见的基本数组。
例如:
创建一个包含值1,2,3,4,5的一维数组:
import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr)
5、2-D Arrays(数组)
以一维数组为元素的数组称为二维数组。
这些通常用于表示矩阵或二阶张量。
NumPy有一个专门用于矩阵运算的完整子模块,称为numpy.mat
例如:
创建一个二维数组,其中包含两个具有值1,2,3和4,5,6的数组:
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr)
6、3-D arrays(数组)
以2-D数组(矩阵)作为元素的数组称为3-D数组。
这些通常用于表示三阶张量。
例如:
用两个2-D数组创建一个3-D数组,两个数组都包含两个值分别为1,2,3和4,5,6的数组:
import numpy as np arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]]) print(arr)
7、判断是几维数组
NumPy数组提供了ndim
属性,该属性返回一个整数,该整数告诉我们数组具有多少维。
例如:
检查数组有多少维:
import numpy as np a = np.array(42) b = np.array([1, 2, 3, 4, 5]) c = np.array([[1, 2, 3], [4, 5, 6]]) d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]]) print(a.ndim) print(b.ndim) print(c.ndim) print(d.ndim)
8、高维数组
数组可以具有任意数量的维。
创建数组后,可以使用ndmin
参数定义维数。
例如:
创建一个有5维的数组,并验证它有5维:
import numpy as np arr = np.array([1, 2, 3, 4], ndmin=5) print(arr) print('number of dimensions :', arr.ndim)
在此数组中,最里面的维度(第5个dim)具有4个元素,第4个dim具有1个元素作为向量,第3个dim具有1个元素是与向量的矩阵,第2个dim具有1个元素是3D数组,并且 第1个dim具有1个元素,该元素是4D数组。