python创建数组并运行,python中Numpy的数组创建

Numpy的主要对象是同种元素的多维数组 特点： 这是一个所有元素都是一种类型，通过一个正整数元组索引的元素表格 Numpy底层是使用C编写的

import numpy as np

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

# 数组的秩

# 轴的个数称为秩

# 轴(axes)是数组的维度

print(arr1.ndim)  # 结论：一维数组秩为1，二维数组秩为2

# 数组的维度

print(arr1.shape)  # (3,)--返回的类型，只有一个元素的元组。

# 此处数组的维度为1，3表示轴的长度。

# 二维数组

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

[4, 5, 6, 7],

[7, 8, 9, 0]])

print('arr2的秩为：', arr2.ndim)

print('arr2的维度：', len(arr2.shape))  # 2-----(3, 4)

# 二、常用属性

# 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

# 元素总和

print(arr3.size)

if len(arr3.shape) == 2:

print('元素总个数：', arr3.shape[0] * arr3.shape[1])

elif len(arr3.shape) == 1:

print('元素总个数：', arr3.shape[0])

# dtype

# 一个用来描述数组中元素类型的对象，可以通过创造或指定python类型

print(arr3.dtype)  # int32

# itemsize

# 数组中每个元素的字节大小

print(arr3.itemsize)  # 4个字节

# data-----数组的内存地址，是数据存储在内存的缓冲区地址

print(arr3.data)  #

运行后：

1

(3,)

arr2的秩为： 2

arr2的维度： 2

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

[[1 2 3]

[4 5 6]]

6

元素总个数： 6

int32

4

数组的创建

# 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()函数 创建一维数组

# 格式：arange(起，止，步长)

# [`start`, `stop`)

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

print(a5, a5.dtype)

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

print(a6)

# 通常无法准确预估元素个数，所以我们一般使用linspace

# 3.使用linspace()函数

# 注意[`start`, `stop`]

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

print(a7)

# 4. logspace()--等比数列

# 生成10^1-10^3之间的3个等比数值

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

print(a8)

# 生成2^0-2^10之间的10个等比数值

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()

# 该函数创建一个内容随机并且依赖于内存状态的数组。

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

print(a12)

# 7、eye()

# 生成N阶矩阵，对角线元素为1

a13 = np.eye(3)

print(a13)

# 8.diag()函数

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

print(a14)

运行后：

[[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]]

总结

以上是生活随笔为你收集整理的python创建数组并运行,python中Numpy的数组创建的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。