ndarray对象

NumPy定义了一个**n**维数组对象，简称为ndarray对象。

• 数组中的每个元素都占有相同大小的内存（类型统一），可通过索引或切片的方式获取每个元素。

  创建ndarray对象

  通过Numpy的内置函数**array()**创建**ndarray**对象。 ```python numpy.array(object, dtype = None, copy = True, order = None,ndmin = 0)

其中：

• object：表示一个数组序列；
• dtype：可选参数，更改数组的数据类型；
• copy：可选参数，表示数组是否被复制，默认是True；
• order：以那种内存布局创建数组： “C”：行序列； “F”：列序列； “A”：默认。
• ndim：用于指定数组的维度。 ```

  创建一维数组

  ```python import numpy

a=numpy.array([1,2,3]) # 使用列表构建一维数组 print(a)

<a name="reeSs"></a>
### 创建多维数组
```python
import numpy
b=numpy.array([[1,2,3],[4,5,6]])
c=numpy.array([2,4,6,8],dtype="complex")    # 修改数组的数据类型为complex
print(b)
print(c)

ndim查看/创建数组维数

查看数组维度

import numpy as np 
arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) 
print(arr.ndim)     # 2

创建数组维度

import numpy as np
a = np.array([1, 2, 3,4,5], ndim = 2)
print(a)    # [[1 2 3 4 5]] 二维数组

reshape数组变维

数组的形状指的是多维数组的行数和列数，reshape()函数可以改变多维数组行数和列数。

reshape()函数可以接受一个元组作为参数，用于指定新数组的行列数。

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)

Numpy数据类型

数据类型表

数据类型对象

数据类型对象（Data Type Object），又称dtype对象，主要用来描述数组元素的数据类型、大小以及字节顺序。

# 语法：
np.dtype(object)
# 创建一个dtype对象：
import numpy as np 
a= np.dtype(np.int64) 
print(a)      # int64

数据类型标识码

定义结构化数据（自定义数据结构）

结构化数据，使用字段的形式来描述某个对象的特征。用在**ndarray**的**dtype**参数。

import numpy as np
teacher = np.dtype([('name','S20'), ('age', 'i1'), ('salary', 'f4')])
#输出结构化数据teacher
print(teacher)
#将其应用于ndarray对象
b = np.array([('ycs', 32, 6357.50),('jxe', 28, 6856.80)], dtype = teacher) 
print(b)    # 输出的name为bytes字节串类型
print(b['salary'])    # [6357.5 6856.8]    可通过下标索引（字段名）查询字段的值

数组的常用属性

ndarray.shape

shape属性的返回值是一个由数组维度构成的元组。

import numpy as np
a = np.array([[2,4,6],[3,5,7]])
print(a.shape)    # (2,3)
# 通过 shape 属性修改数组的形状大小
a.shape = (3,2)
print(a)    
# print结果如下：
"""
[[1 2]
 [3 4]
 [5 6]]
"""

ndarray.reshape()

NumPy 还提供了一个调整数组形状的 reshape() 函数。

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = a.reshape(3,2)
print(b)
# print结果如下：
"""
[[1 2]
 [3 4]
 [5 6]]
"""

ndarray.ndim

该属性返回的是数组的维数。

import numpy as np
#随机生成一个一维数组
c = np.arange(24)
print(c)
print(c.ndim)    # 1
#对数组进行变维操作
e = c.reshape(2,4,3)
print(e) 
print(e.ndim)    # 3

ndarray.itemsize

返回数组中每个元素的类型大小（以字节为单位）。

import numpy as np
x = np.array([1,2,3,4,5], dtype = np.int8)
print (x.itemsize)    # 1，数据类型为int8，代表1字节

ndarray.flags

返回 **ndarray**数组的内存信息，比如 ndarray数组的存储方式，以及是否是其他数组的副本等。

import numpy as np
x = np.array([1,2,3,4,5])
print (x.flags)

创建数组（除array()外的方法）

numpy.empty()

numpy.empty()创建未初始化的数组。

numpy.empty(shape, dtype = float, order = 'C')
其中：
* shape：指定数组的形状，以元组的方式传参；
* dtype：数组元素的数据类型，默认值是值 float；
* order：指数组元素在计算机内存中的储存顺序，默认顺序是“C”(行优先顺序)。

import numpy as np 
arr = np.empty((3,2), dtype = int) 
print(arr)     # 数组中存的是随机值

numpy.zeros()

该函数用来创建元素均为**0**的数组。

numpy.zeros(shape, dtype=float, order="C")

numpy.ones()

该函数用来创建元素均为**1**的数组。

numpy.ones(shape, dtype = None, order = 'C')

numpy.asarray()

asarray()与array()类似，但它比array()更为简单。**asarray()**能够把一个Python序列（列表或元组）转换成**ndarray**对象。

numpy.asarray（sequence，dtype = None ，order = None ）
其中：
* sequence：接收的是一个Python序列，可以是列表或元组；
* dtype：可选参数，数组的数据类型；
* order：数组内存布局方式，"C"或"F"。

示例

import numpy as np 
l=[1,2,3,4,5,6,7] 
a = np.asarray(l)
print(type(a))         # <class 'numpy.ndarray'>
print(a)     # [1 2 3 4 5 6 7]

numpy.frombuffer()

表示使用指定的缓冲区创建数组。

numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
其中：
* buffer：将任意对象转换为流的形式读入缓冲区；
* dtype：返回数组的数据类型，默认是 float32；
* count：要读取的数据数量，默认为-1，表示读取所有数据；
* offset：读取数据的起始位置，默认为 0。

示例

import numpy as np 
#字节串类型
l = b'hello world'     # b 表示以字节流的方式存储
print(type(l)) 
a = np.frombuffer(l, dtype = "S1") 
print(a) 
print(type(a))

numpy.fromiter()

该方法可将迭代对象转换成**ndarray**数组，其返回值是一个一维数组。

numpy.fromiter(iterable, dtype, count = -1)
其中：
* iterable：可迭代对象；
* dtype：返回数组的数据类型；
* count：读取的数据数量，默认为-1，表示读取所有数据。

示例

import numpy as np
# 使用 range 函数创建列表对象 
list=range(6)
#生成可迭代对象i
i=iter(list)
#使用i迭代器，通过fromiter方法创建ndarray
array=np.fromiter(i, dtype=float)
print(array)

创建区间数组

区间数组

所谓区间数组，指的是数组元素的取值位于某个范围内，并且数组元素之间可能会呈现某种规律，如数列、递增或递减等。

创建区间数组

numpy.arange()

可以使用arange()来创建给定数值范围的数组，用法与Python的range()方法类似。

numpy.arange(start, stop, step, dtype)
其中：
* start：起始值，默认从0开始；
* stop：终止值，生成的数组元素值不包含终止值；
* step：步长，默认是1；
* dtype：可选参数，指定ndarray数组的数据类型。

numpy.linspace()

表示在指定的数值区间内，返回均匀间隔的一维等差数组，默认均分50份。

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
其中：
* start：起始值；
* stop：终止值；
* num：表示数值区间内要生成多少个均匀的样本，默认值是50；
* endpoint：默认为True，表示数列包含终止值，反之不包含；
* retstep：默认为False，表示生成的数组中会不显示公差项，反之显示；
* dtype：代表数组元素值的数据类型，默认为float。

示例

# 常规默认参数示例：
import numpy as np
#生成10个样本
a = np.linspace(1,10,10)    # 默认包含终止值
print(a)    # [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
# 带retstep参数示例：
import numpy as np
x = np.linspace(1,2,5, retstep = True)
print(x)     # (array([1.  , 1.25, 1.5 , 1.75, 2.  ]), 0.25)

numpy.logspace()

该函数同样返回一个ndarray数组，用于创建对数等分数组。

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
其中：
* start：序列的起始值为base**start，即base的start次方；
* stop：序列的终止值为base**stop；
* num：数值范围内的样本数量，默认是50；
* endpoint：默认为True，表示数列包含终止值，反之不包含；
* base：对数函数的log底数，默认是10；
* dtype：代表数组元素值的数据类型，默认为float。

示例

import numpy as np
a = np.logspace(1,10,num = 10, base = 2)
print(a)    #  [ 2. 4. 8. 16. 32. 64. 128. 256. 512. 1024.]