一、數據與numpy數組的創建

1、 python數組的創建

python中的固定類型數組：

python中提供了幾種將數組存儲在有效的、固定類型的數據緩存中的選項。內置的數組（array）模塊可以創建按統一類型的密集數組：

這里的“i”表示的是一個數據類型碼，表示數據為整型。

更實用的是ndarray數組對象，Python的數組對象提供了數組類型的有效存儲，而Numpy為該數據加上了高效的操作。稍后將會介紹這些操作，這里先集中展示創建Numpy數組的方法：

2、 Numpy數組的創建

從python列表創建數組:

• 創建整數型

• 指定類型創建數組

• 根據內容,自動創建對應數據類型

創建np數組時需要強調元素類型的一致。如果類型不同則會自動向上轉換。

2.1dtype參數進行強制類型轉換或類型指定

2.2生成嵌套數組

手動創建嵌套數組

使用公式嵌套數組

3、11中創建ndarray數組的高效創建方法

面對大型數組，用Numpy數組時，用Numpy內置方法從頭創建數組時一種高效的方法，以下是幾個示例：

3.1 創建一個元素都為0 的n * m 的多（2）維數組

np.zeros((維度,行數，列數),dtype = "指定類型（float32/int32/str）")

• 創建一個10列元素類型為浮點型的數組,在僅指定一個參數時,創建的表示一行,指定列數,默認為浮點型。

• 創建一個3行4列元素類型為整數型的數組, 僅指定兩個參數時，表示的是行數和列數。

• 創建一個2維3行4列元素類型為整數型的數組, 指定三個參數時，表示的是維度，行數和列數。

3.2 創建一個元素都為1的n*m的多(3)維數組

np.ones((維度，行數，列數),dtype = "指定類型（float32/int32/str）")

• 傳維度參數的時候，放在一個容器中，可以是元組，也可以是列表

3.3創建一個的整數型數組，數組的值是一個線性序列。

np.arange(start[真包含], end[假包含], step)

• 創建一個從0開始30結束,步長為3的數組

• 創建一個從1開始30結束的數組

• 創建一個長度到10結束的數組

3.4創建一個50個元素的數組，這50個數均勻地分配到1~10

np.linspace(start, stop, 平均分成的分數)

3.5 創建一個在0-1之間隨機分布的由隨機數組成的數組

np.random.random((維度,行數, 列數))

• 創建一個3列的隨機數數組

• 創建一個3行3列的隨機數數組

• 創建一個3維3行3列的數組

其他生成隨機數的方法

• 創建一個服從標準正態分布的數組

np.random.randn(維度,行數,列數)

• 創建均勻分布[0,1)上的數組

np.random.rand(維度,行數,列數)

3.6 創建一個正態分布的隨機數數組

np.random.normal(均值, 方差, (維度,行數, 列數))

• 創建一個均值為0,方差為1,3維3行3列的隨機數數組

3.7創建一個服從設置區間的隨機數整數型的數組

np.random.randint(start, stop, (維度,行數, 列數))

• 創建從0開始10結束,3維3行3列的整數型數組

3.8 創建一個對角線元素都為1,其他位置元素都為0的單位矩陣

np.eye(行數，列數,dype=’元素類型(默認為浮點型)’)

• 創建一個4列的單位矩陣,如果僅指定一個參數,默認為列數,行數會默認為是列數。

• 創建一個4行3列的單位矩陣

3.9創建一個由m*n維未初始化的數組,數組的值是內存空間中的任意值

np.empty(n)

3.10 創建一個指定元素的對角矩陣

Np.diag(n)

• 創建對角元素為1,2,3,4的對角矩陣

3.11創建一個指定行列,和指定內容的數組

Np.full((維度,行數,列數),指定值(可以是一個數組,也可以是一個列表或嵌套列表))

• 創建一個3維3行5列,值全部為3.14的數組

二、數組的基本操作

1、查看Nddaray屬性

數組的屬性:

• 數組的維度:ndim
• 數組每個維度的大小:shape
• 數組的總大小(元素的總個數):size
• 數組類型:dtype
• 數組元素字節大小:itemsize;nbytes

現在我們定義三個數組, 一維數組, 二維數組, 三維數組,為了確保大家都能生成一樣的數組, 我們先設置隨機數種子。

Np.random.seed可以使生成隨機數時可以生成一樣的隨機數

1.1查看數組的形狀

1.2查看數組的維度

1.3 查看數組的總大小

1.4查看數組的數據類型

1.5查看數組中每個元素的大小(所占用內存的大小)

1.6查看數組的總大小(占用內存的大小)

1.7對數組進行轉置

1.8其他查看屬性的方法

Ndarray.flags

有關數組的內存布局的信息。

Ndarray.shape

數組維數組。

Ndarray.ndim

數組維數，在Python世界中，維度的數量被稱為rank。

Ndarray.data

Python緩沖區對象指向數組的數據的開始。

Ndarray.size

數組中的元素總個數。

Ndarray.itemsize

一個數組元素的長度（以字節為單位）。

Ndarray.dtype

數組元素的數據類型。

Ndarray.T

數組的轉置。

2.Numpy數據類型以及類型轉換

Numpy中的數組比 Python 原生中的數組（只支持整數類型與浮點類型）強大的一點就是它支持更多的數據類型。

2.1 numpy基本數據類型

Numpy常見的基本數據類型如下:

數據類型

描述

bool_

布爾（True或False），存儲為一個字節

int_

默認整數類型（與C long相同；通常為int64或int32）

intc

與C int（通常為int32或int64）相同

intp

用于索引的整數（與C ssize_t相同；通常為int32或int64）

int8

字節（-128到127）

int16

整數（-32768到32767）

int32

整數（-2147483648至2147483647）

int64

整數（-9223372036854775808至9223372036854775807）

uint8

無符號整數（0到255）

uint16

無符號整數（0到65535）

uint32

無符號整數（0至4294967295）

uint64

無符號整數（0至18446744073709551615）

float_

float64的簡寫。

float16

半精度浮點：符號位，5位指數，10位尾數

float32

單精度浮點：符號位，8位指數，23位尾數

float64

雙精度浮點：符號位，11位指數，52位尾數

complex_

complex128的簡寫。

complex64

復數，由兩個32位浮點（實數和虛數分量）

complex128

復數，由兩個64位浮點（實數和虛數分量）

雖然有這么多的數據類型,但是我們平時用的時候僅需要知道(int,bool,float,complex,str)這幾種就可以了,暫時不需要去記這么多。

這些類型都可以在創建ndarray的時候通過dtype來制定

2.2數據類型的轉換

數組直接數據類型的轉換首選是.astype()方法,或者使用類型本身作為函數。

總結

以上是生活随笔為你收集整理的numpy创建三维空数组_numpy数组的创建和属性转换的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。