|
NumPy 定义了一个 n 维数组对象，简称 ndarray 对象，它是一个一系列相同类型元素组成的数组集合。数组中的每个元素都占有大小相同的内存块，您可以使用索引或切片的方式获取数组中的每个元素。
ndarray 对象有一个 dtype 属性，该属性用来描述元素的数据类型，相关知识会在《 NumPy数据类型 》一节做详细介绍 。
ndarray 对象采用了数组的索引机制，将数组中的每个元素映射到内存块上，并且按照一定的布局对内存块进行排列，常用的布局方式有两种，即按行或者按列。
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)
|
下面表格对其参数做了说明：
参数说明
| 序号 | 参数 | 描述说明 |
| 1 |
object |
表示一个数组序列。 |
| 2 |
dtype |
可选参数，通过它可以更改数组的数据类型。 |
| 3 |
copy |
可选参数，表示数组能否被复制，默认是 True。 |
| 4 |
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)。 |
| 5 |
ndim |
用于指定数组的维度。 |
创建一维数组：
示例代码：
import numpy
a=numpy.array([1,2,3])#使用列表构建一维数组
print(a)
[1 2 3]
print(type(a))
#ndarray数组类型
<class 'numpy.ndarray'>
|
创建多维数组：
b=numpy.array([[1,2,3],[4,5,6]])
|
示例代码：
b=numpy.array([[1,2,3],[4,5,6]])
print(b)
[[1 2 3]
[4 5 6]]
|
如果要改变数组元素的数据类型，可以使用通过设置 dtype，如下所示：
c=numpy.array([2,4,6,8],dtype="数据类型名称")
|
现在将 c 数组中的元素类型变成了复数类型：
c=numpy.array([2,4,6,8],dtype="complex")
print(c)
[2.+0.j 4.+0.j 6.+0.j 8.+0.j]
|
array() 是创建 ndarray 对象的基本方法，在后续内容中还会介绍其他方法。
ndim查看数组维数
通过 ndim 可以查看数组的维度：
import numpy as np
arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]])
print(arr.ndim)
2
|
您也可以使用 ndim 参数创建不同维度的数组：
import numpy as np
a = np.array([1, 2, 3,4,5], ndim = 2)
print(a)
|
输出结果如下：
reshape数组变维
数组的形状指的是多维数组的行数和列数。Numpy 模块提供 reshape() 函数可以改变多维数组行数和列数，从而达到数组变维的目的。因此数组变维即对数组形状的重塑，如图1所示：
图1：reshape函数数组变维
reshape() 函数可以接受一个元组作为参数，用于指定了新数组的行数和列数，示例如下：
import numpy as np
e = np.array([[1,2],[3,4],[5,6]])
print("原数组",e)
e=e.reshape(2,3)
print("新数组",e)
|
输出如下：
原数组 [[1 2]
[3 4]
[5 6]]
新数组 [[1 2 3]
[4 5 6]]
|
|
