Numpy的主要對象是同種元素的多維數組 特點： 這是一個所有元素都是一種類型，通過一個正整數元組索引的元素表格 Numpy底層是使用C編寫的

import numpy as np

arr1 = np.array([1, 2, 3])

# 數組的秩

# 軸的個數稱為秩

# 軸(axes)是數組的維度

print(arr1.ndim)? # 結論：一維數組秩為1，二維數組秩為2

# 數組的維度

print(arr1.shape)? # (3,)--返回的類型，只有一個元素的元組。

# 此處數組的維度為1，3表示軸的長度。

# 二維數組

arr2 = np.array([[1, 2, 3, 4],

[4, 5, 6, 7],

[7, 8, 9, 0]])

print('arr2的秩為：', arr2.ndim)

print('arr2的維度：', len(arr2.shape))? # 2-----(3, 4)

# 二、常用屬性

# 1、ndim

# 2、shape

arr3 = np.array([1, 2, 3, 4, 5, 6])

print(arr3.shape, arr3)

arr3.shape = (2, 3)

print(arr3)

# (3) size

# 元素總和

print(arr3.size)

if len(arr3.shape) == 2:

print('元素總個數：', arr3.shape[0] * arr3.shape[1])

elif len(arr3.shape) == 1:

print('元素總個數：', arr3.shape[0])

# dtype

# 一個用來描述數組中元素類型的對象，可以通過創造或指定python類型

print(arr3.dtype)? # int32

# itemsize

# 數組中每個元素的字節大小

print(arr3.itemsize)? # 4個字節

# data-----數組的內存地址，是數據存儲在內存的緩沖區地址

print(arr3.data)? #

運行后：

1

(3,)

arr2的秩為： 2

arr2的維度： 2

(6,) [1 2 3 4 5 6]

[[1 2 3]

[4 5 6]]

6

元素總個數： 6

int32

4

數組的創建

# 方法有：

# 1.array()

a1 = np.array([1, 2, 3, 4])

a2 = np.array([(1, 2),

(3, 4)])

print(a2)

a3 = np.array([[1, 2],

[3, 4]])

print(a3.dtype)

# dtype

a4 = np.array([[1, 2],

[3, 4]], dtype=np.float32)

print(a4.dtype)

# 2、arange()函數 創建一維數組

# 格式：arange(起，止，步長)

# [`start`, `stop`)

a5 = np.arange(0, 1, 0.1)

print(a5, a5.dtype)

a6 = np.arange(0, 90, 1.5)

print(a6)

# 通常無法準確預估元素個數，所以我們一般使用linspace

# 3.使用linspace()函數

# 注意[`start`, `stop`]

a7 = np.linspace(1, 10, 10)

print(a7)

# 4. logspace()--等比數列

# 生成10^1-10^3之間的3個等比數值

a8 = np.logspace(1, 3, 3)

print(a8)

# 生成2^0-2^10之間的10個等比數值

a9 = np.logspace(0, 10, 11, base=2, dtype=np.int32)

print(a9)

# 5.zeros/ones

a10 = np.zeros((2, 3))

print(a10)

a11 = np.ones((2, 3))

print(a11)

# 6、empty()

# 該函數創建一個內容隨機并且依賴于內存狀態的數組。

a12 = np.empty((2, 3))

print(a12)

# 7、eye()

# 生成N階矩陣，對角線元素為1

a13 = np.eye(3)

print(a13)

# 8.diag()函數

a14 = np.diag([1, 2, 3, 4])

print(a14)

運行后：

[[1 2]

[3 4]]

int32

float32

[ 0.? ?0.1? 0.2? 0.3? 0.4? 0.5? 0.6? 0.7? 0.8? 0.9] float64

[? 0.? ? 1.5? ?3.? ? 4.5? ?6.? ? 7.5? ?9.? ?10.5? 12.? ?13.5? 15.? ?16.5

18.? ?19.5? 21.? ?22.5? 24.? ?25.5? 27.? ?28.5? 30.? ?31.5? 33.? ?34.5

36.? ?37.5? 39.? ?40.5? 42.? ?43.5? 45.? ?46.5? 48.? ?49.5? 51.? ?52.5

54.? ?55.5? 57.? ?58.5? 60.? ?61.5? 63.? ?64.5? 66.? ?67.5? 69.? ?70.5

72.? ?73.5? 75.? ?76.5? 78.? ?79.5? 81.? ?82.5? 84.? ?85.5? 87.? ?88.5]

[? 1.? ?2.? ?3.? ?4.? ?5.? ?6.? ?7.? ?8.? ?9.? 10.]

[? ?10.? ?100.? 1000.]

[? ?1? ? 2? ? 4? ? 8? ?16? ?32? ?64? 128? 256? 512 1024]

[[ 0.? 0.? 0.]

[ 0.? 0.? 0.]]

[[ 1.? 1.? 1.]

[ 1.? 1.? 1.]]

[[ 1.? 1.? 1.]

[ 1.? 1.? 1.]]

[[ 1.? 0.? 0.]

[ 0.? 1.? 0.]

[ 0.? 0.? 1.]]

[[1 0 0 0]

[0 2 0 0]

[0 0 3 0]

[0 0 0 4]]

總結

以上是生活随笔為你收集整理的python创建数组并运行,python中Numpy的数组创建的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。