python之numpy操作1

一，多维数组

1.numpy中的多维数组是numpy.ndarray类类型的对象，可用于表示数据结构中任意维度的数组

2.创建多维数组的对象

方法一：numpy.arange(起始值，终止值，步长)，默认起始值是0，步长是1，终止值不可缺省,这个返回的是数组

方法二：numpy.array(任何可被解释成数组的容器)这是一个函数，这个数组内部储存是连续的，要求数据是同一类型。

3.dnarray.dtype属性表示元素的数据类型

import numpy as np
a = np.arange(10) #[0 1 2 3 4 5 6 7 8 9]
b = np.arange(1,10) #[1 2 3 4 5 6 7 8 9]
c = np.arange(1,10,2) #[1 3 5 7 9]
print(a)
print(b)
print(c)
d = np.array([]) #空数组
e = np.array([1,2,3,4]) #一位数组
f = np.array([[1,2,3],[4,5,6]]) #二维数组
print(d)
print(e)
print(f)
#查看这些数据类型
print(type(a))  #<class 'numpy.ndarray'>
print(type(e))  #<class 'numpy.ndarray'>
print(type(e[0]))  #<class 'numpy.int32'>

print(a.dtype)  #int32
print(e.dtype)  #int32
print(f.dtype)  #int32

这里边有一个astype()函数

a = np.array(['1','2','3','4'],dtype=np.int32)
print(a.dtype) #int32
b = a.astype(np.str)  #这个函数是用来修改为指定的数据类型
print(type(b[0])) #<class 'numpy.str_'>

#在同一个数组里边我们可以强制去放一些不同的数据类型
a = np.array([('ABCD',[1,2,3])],dtype='U4,3i4') #U是字符串的简称，3i4的i4表示的是int32其中3表示3个int32的数据
print(a) #[('ABCD', [1, 2, 3])]
print(a[0]['f0']) #ABCD
print(a[0]['f0'][0]) #A
print(a[0]['f0'][1]) #B
print(a[0]['f0'][2]) #C
#我们还可以指定名称来代替上边的f0
b = np.array([('ABCD',[1,2,3])],dtype=[
    ('name',np.str_,4),
    ('scores',np.int32,3)
])
print(b[0]['name']) #ABCD
print(b[0]['name'][0])#A
print(b[0]['name'][1])#B
print(b[0]['name'][2])#C

#其中'names''formats'不能变
c = np.array([('ABCD',[1,2,3])],dtype={
    'names':['name','scores'],
    'formats':['U4','3i4']
})
print(c)
print(c[0]['name'])#ABCD
print(c[0]['name'][0])#A
print(c[0]['name'][1])#B
print(c[0]['name'][2])#C

改变数组的维度：

1.视图变维：针对同一数组获取不同维度的数组视图

数组.reshape(新维度)获得一个数组的新维度视图

数组.ravel()获取数组的一维视图

2.复制变维

针对同一数组获取不同维度的数组副本

数组.flatten()返回一个数组的一维副本

3.就地变维

直接使用数组.shape = ()就会把源数组的维度改变

还可以使用数组.resize()可以改变这个数组的维度

arr1 = np.arange(1,9)
print(arr1)#[1 2 3 4 5 6 7 8]
arr1.shape = (2,2,2) 
print(arr1)
# [[[1 2]
#   [3 4]]
#
#  [[5 6]
#   [7 8]]]