Numpy基础（一）ndarray的生成
ndarray的生成和类型
引言
本文参考《利用Python进行数据分析》（第二版）作者：WesMcKinney以及原书配套代码，笔者在原文及原代码的基础上加以修改，感谢作者和译者的贡献。
1.ndarray
ndarray，即N维数组对象，是numpy中最为核心的大型数据集容器，正是ndarray完成了对于整块数据的整体操作计算而非使用多重循环。
1.1 ndarray的生成
1.1.1接收序列
利用np.array可自动将序列转换为n维数组
data1 = [6, 7.5, 8, 0, 1]
arr1 = np.array(data1)
arr1
#-------------------------------
data2 = [[1, 2, 3, 4], [5, 6, 7, 8]]
arr2 = np.array(data2)
arr2
可以利用.ndim查看维度数.shape查看形状.dtype数据的类型
具体的，np.array函数的具体参数内容如下：
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
1.1.2特殊函数
除了使用np.array构建函数，还能通过以下函数构建：
- np.asarray(a, dtype=None, order=None, *, like=None)
需要注意的是，np.array和np.asarray作用基本相同，都是将输入转换为ndarray，但是，区别是当输入已经是ndarray时，array仍然会copy出一个副本，但asarray不再复制。如下例（
原文链接：https://blog.csdn.net/Rex_WUST/article/details/85205179
）：
当输入是python原生的序列时
import numpy as np
#example 1:
data1=[[1,1,1],[1,1,1],[1,1,1]]
arr2=np.array(data1)
arr3=np.asarray(data1)
data1[1][1]=2
print 'data1:\n',data1
print 'arr2:\n',arr2
print 'arr3:\n',arr3
输出如下：
data1:
[[1, 1, 1], [1, 2, 1], [1, 1, 1]]
arr2:
[[1 1 1]
[1 1 1]
[1 1 1]]
arr3:
[[1 1 1]
[1 1 1]
[1 1 1]]
当输入是numpy中的ndarray时：
import numpy as np
#example 2:
arr1=np.ones((3,3))
arr2=np.array(arr1)
arr3=np.asarray(arr1)
arr1[1]=2
print 'arr1:\n',arr1
print 'arr2:\n',arr2
print 'arr3:\n',arr3
其输出结果为
arr1:
[[ 1. 1. 1.]
[ 2. 2. 2.]
[ 1. 1. 1.]]
arr2:
[[ 1. 1. 1.]
[ 1. 1. 1.]
[ 1. 1. 1.]]
arr3:
[[ 1. 1. 1.]
[ 2. 2. 2.]
[ 1. 1. 1.]]
注：numpy和一般的编程语言不同，变量在转接过程中都直接指向原数组，并不会自动完成copy开辟新的内存空间，如果需要复制，则需要显式利用.copy完成。
既然谈及了copy，就不得不提及原书在4.1.4索引与切片中才提及的视图。所谓视图，就是所有切片或者索引都是对于原数组的反映，对于切片的任何操作都会直观反应到原数组上，如下图所示：
-
numpy.zeros()
创建全零数组。
numpy.zeros(shape, dtype=float, order=‘C’)
参数说明：shape：数组的形状，可以是整数（一维数组）或元组（多维数组）。
dtype：数组的数据类型，默认为 float。
order：指定数组的内存布局。‘C’ 为行优先，‘F’ 为列优先。
示例：
a = np.zeros(5) print(a) # 输出: [0. 0. 0. 0. 0.] b = np.zeros((2, 3), dtype=int) print(b) # 输出: # [[0 0 0] # [0 0 0]] -
numpy.ones()
创建全一数组。numpy.ones(shape, dtype=float, order=‘C’)
参数说明：同 numpy.zeros()。
示例：
a = np.ones(5) print(a) # 输出: [1. 1. 1. 1. 1.] b = np.ones((2, 3), dtype=int) print(b) # 输出: # [[1 1 1] # [1 1 1]] -
numpy.empty()
创建未初始化的数组（内容随机）。numpy.empty(shape, dtype=float, order=‘C’)
参数说明：同 numpy.zeros()。
示例：
a = np.empty(5) print(a) # 输出: [随机值 随机值 随机值 随机值 随机值] -
numpy.arange()
创建等差数组。numpy.arange([start,] stop, [step,], dtype=None)
参数说明：start：起始值，默认为 0。
stop：结束值（不包含）。
step：步长，默认为 1。
dtype：数组的数据类型。
示例：
a = np.arange(5)
print(a) # 输出: [0 1 2 3 4]
b = np.arange(1, 10, 2)
print(b) # 输出: [1 3 5 7 9]
-
numpy.linspace()
创建等间隔数组。numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
参数说明：start：起始值。
stop：结束值。
num：生成的样本数，默认为 50。
endpoint：是否包含结束值，默认为 True。
retstep：如果为 True，则返回数组和步长。
dtype：数组的数据类型。
示例：
a = np.linspace(0, 1, 5)
print(a) # 输出: [0. 0.25 0.5 0.75 1. ]
-
numpy.eye()
创建单位矩阵。numpy.eye(N, M=None, k=0, dtype=float, order=‘C’)
参数说明：N：行数。
M：列数（默认为 N）。
k：对角线的偏移量。k=0 为主对角线，k>0 为上对角线，k<0 为下对角线。
dtype：数组的数据类型。
order：指定数组的内存布局。
示例：
a = np.eye(3)
print(a)
# 输出:
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]
-
numpy.random 相关函数
用于创建随机数组。-
numpy.random.rand()
创建均匀分布的随机数组。numpy.random.rand(d0, d1, …, dn)
参数说明：d0, d1, …, dn：数组的维度。
示例：
a = np.random.rand(2, 3) print(a) # 输出: # [[0.123 0.456 0.789] # [0.234 0.567 0.891]] -
-
numpy.random.randn()
创建标准正态分布的随机数组。numpy.random.randn(d0, d1, …, dn)
参数说明：同 numpy.random.rand()。
示例：
a = np.random.randn(2, 3) print(a) # 输出: # [[-0.123 0.456 -0.789] # [ 1.234 -0.567 0.891]]
-
numpy.full()
创建指定值的数组。numpy.full(shape, fill_value, dtype=None, order=‘C’)
参数说明：shape：数组的形状。
fill_value：填充值。
dtype：数组的数据类型。
order：指定数组的内存布局。
示例：
a = np.full((2, 3), 7) print(a) # 输出: # [[7 7 7] # [7 7 7]] -
numpy.identity()
创建单位矩阵（与 numpy.eye() 类似）。numpy.identity(n, dtype=float)
参数说明：n：矩阵的行数和列数。
dtype：数组的数据类型。
示例：
a = np.identity(3) print(a) # 输出: # [[1. 0. 0.] # [0. 1. 0.] # [0. 0. 1.]]
2.1 ndarray的类型
| 数据类型 | 描述字符 | 代码 |
|---|---|---|
| int8 | 8 位有符号整数（-128 到 127） | 'i1' |
| int16 | 16 位有符号整数（-32768 到 32767） | 'i2' |
| int32 | 32 位有符号整数（-2147483648 到 2147483647） | 'i4' |
| int64 | 64 位有符号整数（-9223372036854775808 到 9223372036854775807） | 'i8' |
| uint8 | 8 位无符号整数（0 到 255） | 'u1' |
| uint16 | 16 位无符号整数（0 到 65535） | 'u2' |
| uint32 | 32 位无符号整数（0 到 4294967295） | 'u4' |
| uint64 | 64 位无符号整数（0 到 18446744073709551615） | 'u8' |
| float16 | 16 位浮点数（半精度） | 'f2' |
| float32 | 32 位浮点数（单精度） | 'f4' |
| float64 | 64 位浮点数（双精度） | 'f8' |
| float128 | 128 位浮点数（扩展精度，取决于平台） | 'f16' |
| complex64 | 64 位复数，由两个 32 位浮点数组成（实部和虚部） | 'c8' |
| complex128 | 128 位复数，由两个 64 位浮点数组成（实部和虚部） | 'c16' |
| complex256 | 256 位复数，由两个 128 位浮点数组成（实部和虚部，取决于平台） | 'c32' |
| bool_ | 布尔类型（True 或 False） | '?' |
| object_ | Python 对象类型 | 'O' |
| string_ | 固定长度的字符串类型（默认长度为 1） | 'S' |
| unicode_ | 固定长度的 Unicode 字符串类型（默认长度为 1） | 'U' |
汇聚全球AI编程工具，助力开发者即刻编程。
更多推荐
15
0- 0
已为社区贡献1条内容
所有评论(0)