NumPy数组（NumPy数组基本用法）

NumPy数组对象

NumPy中的多为数组称为ndarray,它有两部分组成

• 数据本身
• 描述数据的元数据

NumPy数组优势

1. 查看数组的数据类型

In [2]: a = np.arange(5)

In [3]: a.dtype
Out[3]: dtype('int64')

2. 查看数据的元素个数

In [4]: a
Out[4]: array([0, 1, 2, 3, 4])

In [5]: a.shape
Out[5]: (5,)

创建多维数组

1. 创建多维数组

In [6]: m = np.array([np.arange(2),np.arange(2)])

In [7]: m
Out[7]: 
array([[0, 1],
       [0, 1]])

2. 显示该数组的形状

In [8]: m.shape
Out[8]: (2, 2)

选择Numpy数组元素

In [9]: a = np.array([[1,2],[3,4]])

In [10]: a
Out[10]: 
array([[1, 2],
       [3, 4]])
In [11]: a[0,0]
Out[11]: 1

In [12]: a[0,1]
Out[12]: 2

In [13]: a[1,0]
Out[13]: 3

In [14]: a[1,1]
Out[14]: 4

数组元素的下标如下所示

	[0,0]	[0,1]
	[1,0]	[1,1]

NumPy的数值类型

类型	说明
bool	布尔值（值为True或False）
inti	长度取决于平台的整数（通常为int)32或者int64）
int8	字节类型（取值范围-128~127）
int16	整型（取值范围-32768~32767）
int32	整型（取值范围-231~231-1）
int64	整型（取值范围-263~263-1）
uint8	无符号整型（取值范围0~255）
uint16	无符号整型（取值范围0~65535）
uint32	无符号整型（取值范围0~232-1）
uint64	无符号整型（取值范围0~264-1）
float16	半精度浮点型：符号占用1比特，指数占用5比特，尾数占用10比特
float32	单精度浮点型：符号占用1比特，指数占用8比特，尾数占用23比特
float64或float	双精度浮点型：符号占用1比特，指数占用11比特，尾数占用52比特
complex64	复数整型，由两个32位浮点数表示
complex128或complex	复数整型，由两个64位浮点数表示

• 每一种数据类型都有相应的转换函数：

  In [27]: np.float64(42)
  Out[27]: 42.0
  
  In [28]: np.int8(42.0)
  Out[28]: 42
  
  In [29]: np.bool(42)
  Out[29]: True
  
  In [31]: np.bool(0)
  Out[31]: False
  
  In [32]: np.bool(42.0)
  Out[32]: True
  
  In [33]: np.float(True)
  Out[33]: 1.0
  
  In [34]: np.float(False)
  Out[34]: 0.0
  
  

• 许多函数都带有一个指定数据类型的可选参数

  In [36]: np.arange(7, dtype=np.uint16)
  Out[36]: array([0, 1, 2, 3, 4, 5, 6], dtype=uint16)
  

  不允许把复数类型转化为整型，同样的也不允许把复数转化为浮点数

字符码

• *字符码是为了与其前身Numeric向后兼容

  整型	字符码
  整型	i
  无符号整型	u
  单精度浮点型	f
  双精度浮点型	d
  布尔值	b
  复数型	D
  字符串	S
  万国码（Unicode）	U
  空类型（void）	V

• 生成单精度浮点型

  In [37]: np.arange(7, dtype='f')
  Out[37]: array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.], dtype=float32)
  

• 创建负数类型的数组

  In [38]: np.arange(7, dtype='D')
  Out[38]: array([ 0.+0.j,  1.+0.j,  2.+0.j,  3.+0.j,  4.+0.j,  5.+0.j,  6.+0.j])
  

dtype构造函数

• 使用python自带的常规浮点型

  In [40]: np.dtype(float)
  Out[40]: dtype('float64')
  

• 用字符码规定单精度浮点数

  In [41]: np.dtype('f')
  Out[41]: dtype('float32')
  

• 用字符码规定双精度浮点数

  In [42]: np.dtype('d')
  Out[42]: dtype('float64')
  

• 可以向dtype构造函数传递一个双字码。其中，第一个字符表示数据类型，第二个字符为数字，表示占用的字节数

  In [43]: np.dtype('f8')
  Out[43]: dtype('float64')
  

可以通过sctypeDict.keys()函数列出数据类型的字符码

In [44]: np.sctypeDict.keys()
Out[44]: dict_keys(['?', 0,... 'bytes', 'a'])

---

结束语

如果您对这篇文章有什么意见或者建议,请评论与我讨论.
如果您觉得还不错的话~可以点个喜欢鼓励我哦.
如果您想和我一起学习,请毫不吝啬的私信我吧~