NumPy学习的第一天——ndarray对象

ndarray对象简介

NumPy 定义了一个 n 维数组对象，简称 ndarray 对象，它是一个一系列<u>相同类型元素</u>组成的数组集合，以 0 下标为开始进行集合中元素的索引。数组中的<u>每个元素都占有大小相同的内存块</u>，可以使用索引或切片的方式获取数组中的每个元素

ndarray 对象采用了数组的索引机制，将数组中的每个元素映射到内存块上，并且按照一定的布局对内存块进行排列，常用的布局方式有两种，即按行或者按列

ndarray 内部由以下内容组成：

一个指向数据（内存或内存映射文件中的一块数据）的指针
数据类型或 dtype，描述在数组中的固定大小值的格子
一个表示数组形状（shape）的元组，表示各维度大小的元组
一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数

ndarray 的内部结构：

跨度可以是负数，这样会使数组在内存中后向移动，切片中 obj[::-1] 或 obj[:,::-1] 就是如此

---

创建ndarray对象

通过 NumPy 的内置函数 array() 可以创建 ndarray 对象，其语法格式如下：

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

参数说明如下：

object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否能被复制，可选，默认为True
order	以哪种内存布局创建数组，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	指定生成数组的最小维度

array() 是创建 ndarray 对象的基本方法

---

创建一维数组

a=numpy.array([1,2,3])

import numpy
a=numpy.array([1,2,3])#使用列表构建一维数组
print(a)
print(type(a))#ndarray数组类型

输出如下：

[1 2 3]
<class 'numpy.ndarray'>

创建多维数组

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

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

输出如下：

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

改变元素的数据类型

如果要改变数组元素的数据类型，可以使用通过设置 dtype，如下所示：

c=numpy.array([2,4,6,8],dtype="数据类型名称")

现在将 c 数组中的元素类型变成复数类型：

c=numpy.array([2,4,6,8],dtype="complex")
print(c)

输出如下：

[2.+0.j 4.+0.j 6.+0.j 8.+0.j]

---

ndim查看/指定数组维数

通过 ndim 可以查看数组的维度：

import numpy as np 
arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) 
print(arr.ndim) 

2

也可以使用 ndim 参数创建不同维度的数组：

#输出一个二维数组
import numpy as np
a = np.array([1, 2, 3,4,5], ndim = 2)
print(a)

输出如下：

[[1 2 3 4 5]]

---

reshape数组变维

数组的形状指的是多维数组的行数和列数，Numpy 模块提供 reshape() 函数可以改变多维数组行数和列数，从而达到数组变维的目的。因此数组变维即对数组形状的重塑，如图所示：

reshape() 函数可以接受一个元组作为参数，用于指定了新数组的行数和列数，示例如下：

import numpy as np 
e = np.array([[1,2],[3,4],[5,6]]) 
print("原数组",e) 
e=e.reshape(2,3) 
print("新数组",e)  

输出如下：

原数组

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

新数组

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

---