Python之数组（array）使⽤⽅法总结与Numpy中的数组⽤法Python:  array使⽤⽅法：
Numpy：  数组是⼀个多维数组对象，称为ndarray。其由两部分组成：
实际的数据
描述这些数据的
⼤部分操作仅针对于元数据，⽽不改变底层实际的数据。
关于NumPy数组有⼏点必需了解的：
NumPy数组的下标从0开始。
同⼀个NumPy数组中所有元素的类型必须是相同的。
在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。NumPy数组的维数称为秩（rank），⼀维数组的秩为1，⼆维数组的秩为2，以此类推。在NumPy中，每⼀个线性的数组称为是⼀个轴（axes），秩其实是描述轴的数量。⽐如说，⼆维数组相当于是两个⼀维数组，其中第⼀个⼀维数组中每个元素⼜是⼀个⼀维数组。所以⼀维数组就是NumPy中的轴（axes），第⼀个轴相当于是底层数组，第⼆个轴是底层数组⾥的数组。⽽轴的数量——秩，就是数组的维数。
NumPy的数组中⽐较重要ndarray对象属性有：
1. ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为⼆维数组（矩阵）。
2. ndarray.shape：数组的维度。为⼀个表⽰数组在每个维度上⼤⼩的整数元组。例如⼆维数组中，表⽰数组的“⾏数”和“列数”。
ndarray.shape返回⼀个元组，这个元组的长度就是维度的数⽬，即ndim属性。
3. ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。
4. ndarray.dtype：表⽰数组中元素类型的对象，可使⽤标准的Python类型创建或指定dtype。另外也可使⽤前⼀篇⽂章中介绍的
NumPy提供的数据类型。
5. ndarray.itemsize：数组中每个元素的字节⼤⼩。例如，⼀个元素类型为float64的数组itemsiz属性值为8(float64占⽤64个bits，
每个字节长度为8，所以64/8，占⽤8个字节），⼜如，⼀个元素类型为complex32的数组item属性为4（32/8）。
6. ndarray.data：包含实际数组元素的缓冲区，由于⼀般通过数组的索引获取元素，所以通常不需要使⽤这个属性。
代码：
1from numpy import *
2
3a=array([[1,2],[2,3]])
4  a.ndim//数组的维数
52
6  a.shape//数组的维度，即⾏数和列数
7(2L, 2L)
8  a.dtype//数组中元素的类型
9dtype('int32')
10  a.size//数组元素的总个数
114
注意：
使⽤array函数创建时，参数必须是由⽅括号括起来的列表，⽽不能使⽤多个数值作为参数调⽤array。
>>> a = array(1,2,3,4)    # 错误
>>> a = array([1,2,3,4])  # 正确
可以在创建时显式指定数组中元素的类型：
>>> c = array( [ [1,2], [3,4] ], dtype=complex)
>>> c
array([[ 1.+0.j,  2.+0.j],
      [ 3.+0.j,  4.+0.j]])
NumPy提供⼀个类似arange的函数返回⼀个数列形式的数组:
arange(4)
输出—-array([0, 1, 2, 3])
arange(10,30,5)//10-30步长为5
输出—-array([10, 15, 20, 25])
当arange使⽤浮点数参数时，由于浮点数精度有限，通常⽆法预测获得的元素个数。因此，最好使⽤函数linspace去接收我们想要的元素个数来代替⽤range来指定步长。
import numpy as np
linspace numpy
np.linspace(10,30,5)//这⾥5表⽰的是要输出5个数
输出—array([ 10., 15., 20., 25., 30.])

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。