NumPy创建数组

创建一个NumPy ndarray对象

NumPy用于处理数组。NumPy中的数组对象称为 ndarray .

我们可以创建一个NumPy ndarray 通过使用对象 array() 功能。

例

import numpy as np



arr = np.array([1, 2, 3, 4, 5])

print(arr)


print(type(arr))

类型（）： 这个内置的Python函数告诉我们传递给它的对象的类型。就像上面的代码一样，它表明 arr is numpy.ndarray 类型。

创建一个 ndarray ，我们可以将列表，元组或任何类似数组的对象传递给 array() 方法，它将被转换为 ndarray

例

使用元组创建一个NumPy数组：

import numpy as np



arr = np.array((1, 2, 3, 4, 5))

print(arr)

阵列尺寸

数组中的维是数组深度的一个级别（嵌套数组）。

嵌套数组： 是将数组作为元素的数组。

0维数组

0-D数组或标量是数组中的元素。数组中的每个值都是一个0-D数组。

例

创建一个值为42的0-D数组

  import numpy as np

arr = np.array(42)


print(arr)

一维阵列

以0维数组为元素的数组称为一维数组或一维数组。

这些是最常见的基本数组。

例

创建一个包含值1,2,3,4,5的一维数组：

  import numpy as np

arr = np.array([1, 2, 3, 4, 5])


print(arr)

二维阵列

以一维数组为元素的数组称为二维数组。

这些通常用于表示矩阵或二阶张量。

NumPy有一个专门用于矩阵运算的完整子模块，称为 numpy.mat

例

创建一个二维数组，其中包含两个具有值1,2,3和4,5,6的数组：

  import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])


print(arr)

3-D阵列

以2维数组（矩阵）为元素的数组称为3维数组。

这些通常用于表示三阶张量。

例

用两个2-D数组创建一个3-D数组，两个数组都包含两个值分别为1,2,3和4,5,6的数组：

  import numpy as np

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])


print(arr)

检查尺寸数？

NumPy数组提供了 ndim 该属性返回一个整数，该整数告诉我们数组有多少维。

例

检查数组有多少维：

  import numpy as np

a = np.array(42)
b = np.array([1, 2, 3, 4, 5])

  c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])

print(a.ndim) 
print(b.ndim) 
  
print(c.ndim) 
print(d.ndim)

高维数组

数组可以具有任意数量的维。

创建数组后，您可以使用 ndmin 论点。

例

创建一个具有5个维度的数组，并验证它具有5个维度：

  import numpy as np

arr = np.array([1, 2, 3, 4], ndmin=5)

print(arr)

  print('number of dimensions :', arr.ndim)

在此数组中，最里面的维度（第5个dim）具有4个元素，第4个dim具有1个元素作为向量，第3个dim具有1个元素是与向量的矩阵，第2个dim具有1个元素是3D数组，并且1st dim具有1个元素，该元素是4D数组。

Python/numpy creating arrays

目录