numpy array数据结构学习心得(1)

注，第一块 黑色区域为输入代码， 第二块黑色区域为代码的执行结果。。。以此类推

numpy数组的创建

• 从python列表(list)中创建数组
• 从头创建数组

import numpy as np
# 从列表创建
print(np.array([1,4,2,1,2]))
np.array([range(i, i+3) for i in [3,6,9]])

[1 4 2 1 2]

array([[ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

# 从头创建数组
np.zeros(10, dtype = int)  # 默认类型为浮点型，这里设置为整型

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

np.ones((2,3), dtype = float)

array([[1., 1., 1.],
       [1., 1., 1.]])

np.full((3,5), 66)  # 第一个参数设置 数组的 shape属性，第二个参数为用来填充的值

array([[66, 66, 66, 66, 66],
       [66, 66, 66, 66, 66],
       [66, 66, 66, 66, 66]])

np.arange(0,10,2)  # 类似内置函数 range的用法， 此处创建的是一维数组

array([0, 2, 4, 6, 8])

np.linspace(0,1,10)  # 类似matlab的linspace，创建10个数，均匀分布于0-1（含端点）

array([0.        , 0.11111111, 0.22222222, 0.33333333, 0.44444444,
       0.55555556, 0.66666667, 0.77777778, 0.88888889, 1.        ])

np.random.random((3,3))  # 创建shape为(3,3)的 0~1上的均匀分布随机数组

array([[0.2732437 , 0.37765833, 0.40748153],
       [0.63105065, 0.73776397, 0.90088783],
       [0.54190688, 0.49405903, 0.93175355]])

mu = 0
sigma = 1
np.random.normal(mu,sigma, (3,3)) # 创建正态分布随机数组，mu为均值，sigma为方差

array([[ 0.95616699,  0.99284334,  0.16659225],
       [-0.02009492, -1.20051115, -0.26599785],
       [-0.33018642,  0.0495724 ,  0.6749862 ]])

np.random.randint(0,10, (3,3))  # 创建[0,10) 区间上的整数均匀分布(术语可能并不很统计)随机数组

array([[2, 1, 7],
       [0, 0, 3],
       [1, 3, 1]])

x = 2
np.eye(x) # 创建shape为x *x 的单位阵

array([[1., 0.],
       [0., 1.]])

np.empty(3)  # 创建一个一维数组，长度为3，数值为任意值

array([4.763e-321, 4.763e-321, 0.000e+000])

np.empty((3,3))  #  同上

array([[0.95616699, 0.99284334, 0.16659225],
       [0.02009492, 1.20051115, 0.26599785],
       [0.33018642, 0.0495724 , 0.6749862 ]])

numpy数组的属性

• nidm(数组的维度)
• shape(数组的形状，即每个维度的大小)
• size (数组的总大小，即包含多少个值)
• dtype (数组的数据类型)

x3 = np.random.randint(10, size = (3,4,5))
x3

array([[[6, 2, 0, 3, 6],
        [6, 9, 2, 6, 4],
        [2, 1, 9, 9, 2],
        [2, 8, 7, 3, 5]],

       [[2, 7, 0, 2, 3],
        [4, 7, 0, 2, 9],
        [0, 3, 2, 2, 2],
        [3, 1, 7, 0, 8]],

       [[5, 7, 9, 3, 7],
        [7, 7, 1, 0, 2],
        [2, 9, 2, 8, 6],
        [4, 7, 3, 1, 0]]])

print('x3 ndim:',x3.ndim)
print('x3 shape:',x3.shape)
print('x3 size:',x3.size)
print('x3 dtype:',x3.dtype)

x3 ndim: 3
x3 shape: (3, 4, 5)
x3 size: 60
x3 dtype: int32

其他属性还包括

• itemsize (数组单个元素字节大小)
• nbytes (数组的总字节大小)

print('itemsize:', x3.itemsize, 'bytes')
print('nbytes:', x3.nbytes, 'bytes')

itemsize: 4 bytes
nbytes: 240 bytes