📅  最后修改于: 2020-10-27 04:11:49             🧑  作者: Mango
齐次多维数组是NumPy的主要对象。它基本上是一个元素表,这些元素都是相同类型的,并由一个正整数元组索引。尺寸在NumPy中称为轴。
NumPy的数组类称为ndarray或别名数组。 numpy.array与标准Python库类array.array不同。 array.array仅处理一维数组,并提供较少的功能。
numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
numpy.array()函数中包含以下参数。
1)对象:array_like
2)dtype:可选数据类型
3)复制:bool(可选)
4)顺序:{‘K’,’A’,’C’,’F’},可选
order | no copy | copy=True |
---|---|---|
‘K’ | Unchanged | F and C order preserved. |
‘A’ | Unchanged | When the input is F and not C then F order otherwise C order |
‘C’ | C order | C order |
‘F’ | F order | F order |
当copy = False或出于其他原因进行复制时,结果将与copy = True相同,但A例外。默认顺序为’K’。
5)subok:bool(可选)
当subok = True时,子类将通过;否则,返回的数组将强制为基类数组(默认)。
6)ndmin:int(可选)
此参数指定结果数组应具有的最小维数。用户可以根据需要预先设置形状,以满足该要求。
numpy.array()方法返回一个ndarray。 ndarray是满足指定要求的数组对象。
import numpy as np
arr=np.array([1,2,3])
arr
输出:
array([1, 2, 3])
在上面的代码中
在输出中,显示了一个数组。
import numpy as np
arr=np.array([1,2.,3.])
arr
输出:
array([1., 2., 3.])
在上面的代码中
在输出中,显示了一个数组,其中包含此类元素,这些元素需要最少的内存才能按顺序保留对象。
import numpy as np
arr=np.array([[1,2.,3.],[4.,5.,7]])
arr
输出:
array([[1., 2., 3.],
[4., 5., 7.]])
在上面的代码中
在输出中,显示了多维数组。
import numpy as np
arr=np.array([1,2.,3.],ndmin=2)
arr
输出:
array([[1., 2., 3.]])
在上面的代码中
在输出中,显示了一个二维数组。
import numpy as np
arr=np.array([12,45.,3.],dtype=complex)
arr
输出:
array([12.+0.j, 45.+0.j, 3.+0.j])
在上面的代码中
在输出中,“ arr”元素的值以复数形式显示。
import numpy as np
arr=np.array(np.mat('1 2;3 4'))
arr
arr=np.array(np.mat('1 2;3 4'),subok=True)
arr
输出:
array([[1, 2],
[3, 4]])
matrix([[1, 2],
[3, 4]])
在上面的代码中
在输出中,显示了多维数组。