2021-10-17 Python-5

这里介绍的array存在于numpy包中。使用前需要导入numpy包。
在处理数据的过程中，nd.aaray的访问速度比python内置的list更快，这个优势随着数据的增加更加显著。
ndarray和list还有一点不同的是，ndarray中的变量类型相同，而list可以不同。

import numpy as np
a=np.array([1,2,3],[4,5,6])
a
type(a)
#0d-array的生成
a0=np.array(61)
a0

#1d-arrat的生成
a1=np.array([1,2,3,4])
a1

#2d-array的生成
a2=np.array([[1,2,3],[4,5,6]])
a2

#3d-array的生成
a3=np.array([[[1,2,3],[4,5,6],[7,8,9]]])
a3
a2.ndim #查看array的位数
a4=np.array([[2,3,4],[1,2,3]],ndmin=3) #生成arrary的时候定义维度
a4=np.array([[1,2,3],[4,5,6]],dtype=complex) #在生成array的时候，定义变量的类型
a2.shape  #数组的维度,输出的类型为元组
a2.size  #数组元素的总数 = shape中的面积
a2.dtype  #显示arrary中元素的类型

a1[2] #访问1d-array的元素
a2[1,2] #访问2d-array的元素
a3[0,1,1] #访问3d-array的元素
a2[0:2,2:3] 

除了上述的用array()的方法创建之外，还可以创建具有初始占位符内容的数组。

b=np.zero((2,3)) #创建了float类型的初始值均为0的array,可以指定array的维度
b1=np.ones((2,3),dtype=int) #创建了int类型的初始值为1的array，可以指定维度
b2=np.empty((2,3),dtype=int) #产生随机数，不指定dtype情况下，默认为float
b3=np.arange(1,10,2)#创建数字组成的数组 格式为ndarray.arange(start,end,step)
b4=np.arange(1,2,0.5) 
b5=np.linspace(1,2,3)  #start:end:number,在指定的范围内，产生一定数量的array

ndarray的基本数学运算是落到每个元素上的。

c=np.array([[1,2,3],[4,5,6]],ndmin=2)
c1=np.array([[1,0,1],[2,1,1]]) 
c*2
c**2
c*c1 #必须shape相同