1. 生成 ndarray
array函数接收任意的序列型对象
array = [1,2,3,4]
arr1 = np.array(array)
多层嵌套序列,如果长度相同 , 会自动转化为多维数组
array = [[1,2,3,4],[1,2,3,4]]
arr1 = np.array(array)
print(arr1)
可以使用方式来查看多维数组的信息
print("数组的纬度是 %s " % arr1.ndim)
print("数组是 %d 行 %d 列" % arr1.shape)
其他方式生成
# 生成一维全零数组
zeroArr = np.zeros(5)
# 生成多维全零数组(两行三列)
zeroArr = np.zeros((2,3))
np.ones 是生成全1数组 , 参数与上面的参数一致
np.empty是生成未初始化的数组 , 参数与上面的参数一致
| 函数名 | 描述 |
|---|---|
| array | 将输入数据转换为ndarray |
| asarray | 将输入转换为ndarray, 如果输入已经是ndarray则不再复制 |
| arange | python内建函数range的数组版,返回一个数组 |
2. ndarray的数据类型
数据类型，即dtype，是一个特殊的对象，它包含了ndarray需要为某一种类型数据所申明的内存块信息
# 创建ndarray时指定数据类型
arr = np.array([1,2,3],dtype = np.float64)
ndarray 的数据类型
转换数组类型
ndarr = np.array([1,2,3,4])
print(ndarr.dtype)
# 显式的转换数组
ndarr = ndarr.astype(np.float64)
print(ndarr.dtype)
3. 数组算术
数组之所以重要是因为它允许你进行批量操作而无须任何for循环。NumPy用户称这种特性为向量化。任何在两个等尺寸数组之间的算术操作都应用了逐元素操作的方式
来源：CSDN
作者：阿里巴巴首席技术官
链接：https://blog.csdn.net/weixin_42195284/article/details/104095208