python学习笔记-11:NumPy-数组（python numpy数组操作）

NumPy中的n维数组对象是ndarray。

创建一个ndarray只需调用Numpy的array函数即可：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数说明：

• object：数组或嵌套的数列
• dtype：数组元素的数据类型，可选
• copy：对象是否需要复制，可选
• order：创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
• subok：默认返回一个与基类类型一致的数组
• ndmin：指定生成的数组的最小维度

示例1：

import numpy as np 
a = np.array([1,2,3]) 
print (a)

输出：

[1,2,3]

示例2：

import numpy as np 
a = np.array([[1, 2], [3, 4]]) 
print (a)

输出：

[[1,2]
       [3,4]]

示例3：

import numpy as np 
a = np.array([1, 2, 3,4,5], ndmin = 2) 
print (a)

输出：

[[1, 2, 3, 4, 5]]

示例4：

# dtype 参数 
import numpy as np 
a = np.array([1, 2, 3], dtype = complex) 
print (a)

输出：

[ 1.+0.j, 2.+0.j, 3.+0.j]

ndarray对象由计算机内存的连续一维部分组成，并结合索引模式，将每个元素映射到内存块中的一个位置。内存块以行顺序(C样式)或列顺序(FORTRAN或MatLab风格，即前述的F样式)来保存元素。

注意，数组array跟线性代数中的矩阵仍有差别，在NumPy中，矩阵对象是Matrix，属于array的分支，但略有不同。数组array可以满足一部分矩阵运算需求，所以我们将先深入学习数组，再在此基础上了解矩阵和相关的线性代数运算。

在介绍数组的相关运算，如点乘，矩阵乘法等之前，只需记住一点：数组中的向量，一般默认为行向量，使用数组进行运算时，会根据数组的位置自动调整为行向量或者列向量。当然，也有相关的方法可以认为调整，这些是后话。现在只需记住，数组默认使用行向量。

matlab中元素按列顺序放置，numpy中则是按行顺序放置：

import numpy
a = numpy.array(([1,2,3],[4,5,6]))
b = a.reshape(3,2)
print(a)
print(b)

#输出：
[[1 2 3]
 [4 5 6]]

[[1 2]
 [3 4]
 [5 6]]

数组属性

ndarray.ndim：数组的维数

ndarray.shape：数组的维度，对于矩阵，n 行 m 列

ndarray.size：数组元素的总个数，相当于 .shape 中 n*m 的值

ndarray.dtype：ndarray 对象的元素类型

ndarray.itemsize：ndarray 对象中每个元素的大小，以字节为单位

ndarray.flags：ndarray 对象的内存信息

ndarray.real：ndarray元素的实部

ndarray.imag：ndarray 元素的虚部

注意：这些属性采用引用机制，他们返回数组对应属性的指针，因此，改变他们的值或者改变他们所赋的值，将改变原数组。

import numpy as np 
a = np.arange(24) print (a.ndim) 
# a 现只有一个维度 
# 现在调整其大小 
b = a.reshape(2,4,3) 
# b 现在拥有三个维度 
print (b.ndim)

#输出
1
3

import numpy
b = numpy.array([1+2j, 3+4j, 5+6j])
a = b.real
print(a)
a[1] = 8输出：

[1. 3. 5.]
[1. 8. 5.]
[1.+2.j 8.+4.j 5.+6.j]


print(a)
print(b)

#这里改变了a，也改变了b。

创建数组

除了可以使用ndarray来创建数组，还有以下几种方式可用于在特定环境下更方便地创建数组。

numpy.empty()：numpy.empty(shape, dtype = float, order = 'C')

shape：数组形状

dtype：数据类型，可选

order：有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

numpy.zeros()：numpy.zeros(shape, dtype = float, order = 'C')

numpy.ones()：numpy.ones(shape, dtype = None, order = 'C')

x = np.ones([2,2], dtype = int)

arange创建数组：c = np.arange(10, 20, 2)，产生等差数列一维数组，第三个参数为差，默认为1

eye创建对角矩阵数组：eye(n)：创建n*n的对角矩阵数组

创建randn(size)服从 X~N(0,1) 的正态分布随机数组 a=random.randn(2,3)

利用randint([low,high],size)创建一个整数型指定范围在[low.high]之间的随机整数数组

numpy.linspace函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

start：序列的起始值

stop：序列的终止值，如果endpoint为true，该值包含于数列中

num：要生成的等步长的样本数量，默认为50

endpoint：该值为 true 时，数列中中包含stop值，反之不包含，默认是True。

retstep：如果为 True 时，生成的数组中会显示间距，反之不显示。

dtype：ndarray 的数据类型

numpy.logspace函数用于创建一个等比数列。格式如下：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

start：序列的起始值为：base ** start

stop：序列的终止值为：base ** stop。如果endpoint为true，该值包含于数列中

num：要生成的等步长的样本数量，默认为50

endpoint：该值为 true 时，数列中中包含stop值，反之不包含，默认是True。

base：对数 log 的底数。

dtype：ndarray 的数据类型

numpy.asarray(a, dtype = None, order = None)

a：任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组

dtype：数据类型，可选

order：可选，有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

import numpy as np 
x = [1,2,3] 
a = np.asarray(x) 
print (a)

#[1 2 3]