NumPy 数组的基础知识

NumPy代表数字Python。它是一个用于处理数组的Python库。在Python中，我们将列表用于数组，但处理起来很慢。 NumPy 数组是一个强大的 N 维数组对象，它用于线性代数、傅里叶变换和随机数功能。它提供的数组对象比传统的Python列表快得多。

数组类型：

1. 一维数组
2. 多维数组

一维数组：

一维数组是一种线性数组。

一维数组

例子：

Python3

# importing numpy module
import numpy as np
 
# creating list
list = [1, 2, 3, 4]
 
# creating numpy array
sample_array = np.array(list1)
 
print("List in python : ", list)
 
print("Numpy Array in python :",
      sample_array)

输出：

List in python :  [1, 2, 3, 4]
Numpy Array in python :  [1 2 3 4]

检查列表和数组的数据类型：

Python3

print(type(list_1))
 
print(type(sample_array))

输出：

多维数组：

多维数组中的数据以表格形式存储。

二维数组

例子：

Python3

# importing numpy module
import numpy as np
 
# creating list
list_1 = [1, 2, 3, 4]
list_2 = [5, 6, 7, 8]
list_3 = [9, 10, 11, 12]
 
# creating numpy array
sample_array = np.array([list_1,
                         list_2,
                         list_3])
 
print("Numpy multi dimensional array in python\n",
      sample_array)

输出：

Numpy multi dimensional array in python
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

注意：在 numpy.array() 中使用[ ]运算符用于多维

数组剖析：

1.轴：数组的轴描述了索引到数组中的顺序。

Axis 0 = one dimensional

Axis 1 = Two dimensional

Axis 2 = Three dimensional 

2. 形状：沿每个轴的元素数量。它来自一个元组。

例子：

Python3

# importing numpy module
import numpy as np
 
# creating list
list_1 = [1, 2, 3, 4]
list_2 = [5, 6, 7, 8]
list_3 = [9, 10, 11, 12]
 
# creating numpy array
sample_array = np.array([list_1,
                         list_2,
                         list_3])
 
print("Numpy array :")
print(sample_array)
 
# print shape of the array
print("Shape of the array :",
      sample_array.shape)

输出：

Numpy array : 
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
Shape of the array :  (3, 4)

例子：

Python3

import numpy as np
 
sample_array = np.array([[0, 4, 2],
                       [3, 4, 5],
                       [23, 4, 5],
                       [2, 34, 5],
                       [5, 6, 7]])
 
print("shape of the array :",
      sample_array.shape)

输出：

shape of the array :  (5, 3)

3. 秩：数组的秩就是它拥有的轴（或维度）的数量。

一维数组的秩为 1。

排名 1

二维数组的秩为 2。

等级 2

4.数据类型对象（dtype）：数据类型对象（dtype）是numpy.dtype类的一个实例。它描述了应该如何解释对应于数组项的固定大小内存块中的字节。

例子：

Python3

# Import module
import numpy as np
 
# Creating the array
sample_array_1 = np.array([[0, 4, 2]])
 
sample_array_2 = np.array([0.2, 0.4, 2.4])
 
# display data type
print("Data type of the array 1 :",
      sample_array_1.dtype)
 
print("Data type of array 2 :",
      sample_array_2.dtype)

输出：

Data type of the array 1 :  int32
Data type of array 2 :  float64

创建 Numpy Array 的一些不同方法：

1. numpy.array() ： Numpy中的Numpy数组对象称为ndarray。我们可以使用numpy.array()函数创建 ndarray。

Syntax: numpy.array(parameter)

例子：

Python3

# import module
import numpy as np
 
#creating a array
 
arr = np.array([3,4,5,5])
 
print("Array :",arr)

输出：

Array : [3 4 5 5]

2. numpy.fromiter() : fromiter()函数从可迭代对象创建一个新的一维数组。

Syntax: numpy.fromiter(iterable, dtype, count=-1)

示例 1：

Python3

#Import numpy module
import numpy as np
 
# iterable
iterable = (a*a for a in range(8))
 
arr = np.fromiter(iterable, float)
 
print("fromiter() array :",arr)

输出：

fromiter() array :  [ 0.  1.  4.  9. 16. 25. 36. 49.] 

示例 2：

Python3

import numpy as np
 
var = "Geekforgeeks"
 
arr = np.fromiter(var, dtype = 'U2')
 
print("fromiter() array :",
      arr)

输出：

fromiter() array :  [‘G’ ‘e’ ‘e’ ‘k’ ‘f’ ‘o’ ‘r’ ‘g’ ‘e’ ‘e’ ‘k’ ‘s’] 
 

3. numpy.arange() ：这是一个内置的 NumPy函数，它在给定的间隔内返回均匀间隔的值。

Syntax: numpy.arange([start, ]stop, [step, ]dtype=None)

例子：

Python3

import numpy as np
 
np.arange(1, 20 , 2,
          dtype = np.float32)

输出：

array([ 1.,  3.,  5.,  7.,  9., 11., 13., 15., 17., 19.], dtype=float32) 
 

4. numpy.linspace() ：此函数返回两个限制之间指定的均匀间隔的数字。

Syntax: numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

示例 1：

Python3

import numpy as np
 
np.linspace(3.5, 10, 3)

输出：

array([ 3.5 ,  6.75, 10.  ])

示例 2：

Python3

import numpy as np
 
np.linspace(3.5, 10, 3,
            dtype = np.int32)

输出：

array([ 3,  6, 10])

5. numpy.empty() ：此函数创建一个给定形状和类型的新数组，无需初始化值。

Syntax: numpy.empty(shape, dtype=float, order=’C’)

例子：

Python3

import numpy as np
 
np.empty([4, 3],
         dtype = np.int32,
         order = 'f')

输出：

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

6. numpy.ones()：该函数用于获取给定形状和类型的新数组，用ones(1)填充。

Syntax: numpy.ones(shape, dtype=None, order=’C’)

例子：

Python3

import numpy as np
 
np.ones([4, 3],
        dtype = np.int32,
        order = 'f')

输出：

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

7. numpy.zeros() ：此函数用于获取给定形状和类型的新数组，用 zeros(0) 填充。

Syntax: numpy.ones(shape, dtype=None)

例子：

Python3

import numpy as np
np.zeros([4, 3],
         dtype = np.int32,
         order = 'f')

输出：

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