主要概念

数据类型

类型	解释
bool	布尔类型，1 个字节，值为 True 或 False
int	整数类型，通常为 int64 或 int32
intc	与 C 里的 int 相同，通常为 int32 或 int64
intp	用于索引，通常为 int32 或 int64
int8	字节（从 -128 到 127）
int16	整数（从 -32768 到 32767）
int32	整数（从 -2147483648 到 2147483647）
int64	整数（从 -9223372036854775808 到 9223372036854775807）
uint8	无符号整数（从 0 到 255）
uint16	无符号整数（从 0 到 65535）
uint32	无符号整数（从 0 到 4294967295）
uint64	无符号整数（从 0 到 18446744073709551615）
float	float64 的简写
float16	半精度浮点，5 位指数，10 位尾数
float32	单精度浮点，8 位指数，23 位尾数
float64	双精度浮点，11 位指数，52 位尾数
complex	complex128 的简写
complex64	复数，由两个 32 位浮点表示
complex128	复数，由两个 64 位浮点表示

数组创建

• np.array(...) 传入序列型对象
• np.asarray(...) 传入序列型对象
• np.zeros(...) | np.ones(...) | np.empty(...) | np.full(...) 传入shape
• np.arange(...) 创建一维等差数组
• np.linspace(...) 创建一维等差数组
• np.fromfunction(...) 在每个坐标上执行一个函数构建多维数组

常用属性

• a.shape 表征数组每一维度的元素数量
• a.ndim 查看数组的维度
• a.size 查看元素个数
• a.dtype 描述数组的数据类型，一般默认为float64
• a.T 数组的转置
• a.I 数组的逆

类型转换

• a.astype(np.float64) 指定类型为np.float64
• a.astype(b.dtype) 使用另一个数组的dtype属性

时间日期

在 numpy 中，可以很方便的将字符串转换成时间日期类型 datetime64。

datatime64是带单位的日期时间类型，其单位如下：

日期单位	代码含义	时间单位	代码含义
Y	年	h	小时
M	月	m	分钟
W	周	s	秒
D	天	ms	毫秒
-	-	us	微秒
-	-	ns	纳秒
-	-	ps	皮秒
-	-	fs	飞秒
-	-	as	阿托秒

• np.datetime64(...) 传入日期
• np.arange(...) 创建datatime64数组，生成日期范围

代码实践

数组创建

import numpy as np
np.__version__

'1.19.1'

# np.array()
a = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8],
              [9, 10, 11, 12]])
a

array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])

# np.asarray()
a = np.asarray([[1, 2, 3, 4],
                [5, 6, 7, 8],
                [9, 10, 11, 12]])
a

array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])

# np.zeros()
a = np.zeros((3, 5), dtype=np.float64)
# np.ones()
b = np.ones((3, 5), dtype=np.float64)
# np.full()
c = np.full((3, 5), fill_value = 6)
print('{}\n{}\n{}'.format(a, b, c))

[[0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]]
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]
[[6 6 6 6 6]
 [6 6 6 6 6]
 [6 6 6 6 6]]

# np.arange()
# 一维等差数组
a = np.arange(10)
print(a)
# 二维等差数组
b = np.arange(10).reshape(2,-1)
print(b, b.shape)

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

# np.linspace()
a = np.linspace(0, 10, 6)
print('在0~10之间生成6个等间隔点：\n',a)

在0~10之间生成6个等间隔点：
 [ 0.  2.  4.  6.  8. 10.]

# np.fromfunction()
np.fromfunction(lambda i, j: i + j, (3, 3))

array([[0., 1., 2.],
       [1., 2., 3.],
       [2., 3., 4.]])

常用属性

# 生成 (0, 1) 之间的3行5列的随机浮点数
a = np.random.random((3,5))
print(a)
print(a.shape, a.ndim, a.size)

[[0.72025953 0.18960102 0.80835388 0.63235447 0.75891856]
 [0.758877   0.24660297 0.36290307 0.08843709 0.69004692]
 [0.69120701 0.05848793 0.42020173 0.73492385 0.91556042]]
(3, 5) 2 15

np.prod(a.shape) == a.size

True