numpy_ndarry的创建及数据类型

ndarray 多维数组（N Dimension Array）

NumPy数组是一个多维的数组对象（矩阵），称为ndarray，具有矢量算数运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点

注意：ndarray的下标从0开始，且数组里的所有元素必须是相同类型

ndarray拥有的属性

1.ndim属性：维度个数

2.shape属性：纬度大小

3.dtype属性：数据类型

ndarray的随机创建

通过随机抽样（numpy.random）生成随机数据

示例代码：

# 导入numpy， 别名np
imort numpy as np

# 生成指定维度大小（3行4列）的随机多维浮点型数据（二维），rand固定区间0.0 ~ 1.0
arr = np.random.rand(3, 4)
print(arr)
print(type(arr))

# 生成指定维度大小（3行4列）的随机多维整型数据（二维），randint()可以指定区间（-1 ~ 5）
arr = np.random.randint(-1, 5, size = (3, 4)) # 'size='可省略
print(arr)
print(type(arr))

# 生成指定维度大小（3行4列）的随机多维浮点型数据（二维），uniform()可以指定区间（-1 ~ 5）
arr = np.random.uniform(-1, 5, size = (3, 4)) # 'size='可省略
print(arr)
print(type(arr))

print('维度个数: ', arr.ndim)
print('维度大小: ', arr.shape)
print('数据类型: ', arr.dtype)

运行结果：

[[ 0.09371338  0.06273976  0.22748452  0.49557778]
 [ 0.30840042  0.35659161  0.54995724  0.018144  ]
 [ 0.94551493  0.70916088  0.58877255  0.90435672]]
<class 'numpy.ndarray'>

[[ 1  3  0  1]
 [ 1  4  4  3]
 [ 2  0 -1 -1]]
<class 'numpy.ndarray'>

[[ 2.25275308  1.67484038 -0.03161878 -0.44635706]
 [ 1.35459097  1.66294159  2.47419548 -0.51144655]
 [ 1.43987571  4.71505054  4.33634358  2.48202309]]
<class 'numpy.ndarray'>

维度个数:  2
维度大小:  (3, 4)
数据类型:  float64

ndarray的序列创建

1. np.array(collection)

collection 为序列型对象（list)、嵌套序列对象（list of list)。

示例代码：

# list序列转换为ndarray
lis = range(10)
arr = np.array(lis)

print(arr)      # ndarray数据
print(arr.ndim)     # 维度个数
print(arr.shape)        # 维度大小

# list of list嵌套序列转换为ndarray
lis_lis = [range(10), rarnge(10)]
arr = np.array(lis_lis)

print(arr)      # ndarray数据
print(arr.ndim)     # 维度个数
print(arr.shape)        # 维度大小

运行结果：

# list序列转换为 ndarray
[0 1 2 3 4 5 6 7 8 9]
1
(10,)

# list of list嵌套序列转换为 ndarray
[[0 1 2 3 4 5 6 7 8 9]
 [0 1 2 3 4 5 6 7 8 9]]
2
(2, 10)

2. np.zeros()

指定大小的全0数组。注意：第一个参数是元组，用来指定大小，如（3，4）。

3. np.ones()

指定大小的全1数组。注意：第一个参数是元组，用来指定大小，如（3，4）。

4. np.empty()

初始化数组，不是总是返回全0，有时返回的是未初始的随机值（内存里的随机值）。

示例代码（2，3，4）：

# np.zeros
zeros_arr = np.zeros((3, 4))

# np.ones
ones_arr = np.ones((2, 3))

# np.empty
empty_arr = np.empty((3, 3))

# np.empty 指定数据类型
empty_int_arr = np.empty((3, 3), int)

print('------zeros_arr------`)
print(zeros_arr)

print('/n------ones_arr------`)
print(ones_arr)

print('/n------empty_arr------`)
print(empty_arr)

print('/n------empty_int_arr------`)
print(empty_int_arr)

运行结果：

------zeros_arr-------
[[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]]

------ones_arr-------
[[ 1.  1.  1.]
 [ 1.  1.  1.]]

------empty_arr-------
[[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]

------empty_int_arr-------
[[0 0 0]
 [0 0 0]
 [0 0 0]]

5. np.arrange()和reshape()
   

   arange()类似python的range(), 创建一个一维ndarray数组。
   reshape()将重新调整数组的维数

示例代码（5）：

# np.arange()
arr = np.arange(15) # 15个元素的一维数组
print(arr)
print(arr.reshape(3, 5))    # 3*5个元素的二维数组
print(arr.reshape(1, 3, 5)) # 1*3*5个元素的三维数组

运行结果：

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]

[[[ 0  1  2  3  4]
  [ 5  6  7  8  9]
  [10 11 12 13 14]]]

6. np.arange()和random.shuffle()
   

   random.shuffle()将打乱数组序列（类似于洗牌）

示例代码（6）：

arr = np.arange(15)
print(arr)

np.random.shuffle(arr)
print(arr)
print(arr.reshape(3, 5))

运行结果：

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]

[ 5  8  1  7  4  0 12  9 11  2 13 14 10  3  6]

[[ 5  8  1  7  4]
 [ 0 12  9 11  2]
 [13 14 10  3  6]]

ndarray的数据类型

1. dtype参数

   指定数组的数据类型，类型名+位数，如float64, int32

2. astype方法
   

   转换数组的数据类型

示例代码（1、2）：

# 初始化3行4列数组，数据类型为float64
zeros_float_arr = np.zeros((3,4), dtype = np.float64)
print(zeros_float_arr)
print(zeros_float_arr.dtype)

# astype转换数据类型，将已有的数组的数据类型转换为int32
zeros_int_arr = zeros_float_arr.astype =(np. int32)
print(zeros_int_arr)
print(zeros_int_arr.dtype)

运行结果：

[[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]]
float64

[[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]
int32