NumPy中最重要的对象是ndarray（N-dimensional array，多维数组）。ndarray是一个由同类型元素构成的多维数组，可以看作是Python内置的list对象的扩展，其优点在于：
- ndarray支持并行化运算，对于科学计算的大规模数据处理有很大的优势；
- ndarray支持矢量化运算，避免了Python循环语句慢的缺点；
- ndarray中的元素都是同一类型，这使得在存储和处理数据时更加高效。
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,ndmin = 0)
其参数涵义为：
- object：表示一个数组序列。
- dtype：可选参数，通过它可以更改数组的数据类型。
- copy：可选参数，表示数组能否被复制，默认是 True。
- order：以哪种内存布局创建数组，有 3 个可选值，分别是 C(行序列)/F(列序列)/A(默认)。
- ndim：用于指定数组的维度。
如下，我们创建了两个数组：
import numpy as np
# 创建一个包含 5 个元素的数组
a = np.array([1, 2, 3, 4, 5])
print(a)
# 创建一个二维数组
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(b)NumPy ndarray属性
ndarray属性有以下几个：
- shape：表示ndarray的形状，即各个维度的长度组成的元组；
- dtype：表示ndarray中元素的数据类型；
- ndim：表示ndarray的维度数；
- size：表示ndarray中元素的总个数；
- itemsize：表示ndarray中每个元素的字节大小；
- nbytes：表示ndarray中所有元素的字节大小；
- T：表示ndarray的转置矩阵。
NumPy ndarray方法
ndarray包含的方法有以下几个：
- reshape：返回一个具有相同数据的新数组，但形状可以不同；
- flatten：返回一个将多维数组转换为一维数组的新数组；
- transpose：返回ndarray的转置矩阵；
- dot：返回两个数组的矩阵积；
- sum：计算ndarray中所有元素的总和；
- mean：计算ndarray中所有元素的平均值；
- std：计算ndarray中所有元素的标准差；
- max/min：计算ndarray中所有元素的最大值/最小值；
- argmax/argmin：返回ndarray中最大值/最小值的索引。
ndarray操作示例
接下来我们对ndarray进行几个简单的操作，示例如下：
获取 ndarray 的属性：
import numpy as np
a = np.array([1, 2, 3, 4, 5])
# 获取数组维度
print(a.ndim)
# 获取数组形状
print(a.shape)
# 获取数组元素类型
print(a.dtype)对 ndarray 进行运算：
import numpy as np
a = np.array([1, 2, 3, 4, 5])
# 数组加法
b = a + 2
print(b)
# 数组乘法
c = a * 2
print(c)
# 数组除法
d = a / 2
print(d)对 ndarray 进行索引和切片：
import numpy as np
a = np.array([1, 2, 3, 4, 5])
# 获取第二个元素
print(a[1])
# 获取前三个元素
print(a[:3])
# 获取后两个元素
print(a[-2:])
# 获取数组中的偶数元素
print(a[a%2==0])本文链接：https://my.lmcjl.com/post/19599.html
展开阅读全文
4 评论