NumPy-01

• NumPy數組屬性
• 創建NumPy數組
• 數據類型對象
• 索引

一.NumPy數組屬性

在 NumPy中，每一個線性的數組稱為是一個軸（axis），也就是維度（dimensions）。比如說，二維數組相當于是兩個一維數組，其中第一個一維數組中每個元素又是一個一維數組。所以一維數組就是 NumPy 中的軸（axis），第一個軸相當于是底層數組，第二個軸是底層數組里的數組。而軸的數量——秩，就是數組的維數。很多時候可以聲明 axis。axis=0，表示沿著第 0 軸進行操作，即對每一列進行操作；axis=1，表示沿著第1軸進行操作，即對每一行進行操作。

屬性	說明
ndarray.ndim	秩，即軸的數量或維度的數量
ndarray.shape	數組的維度，對于矩陣，n 行 m 列
ndarray.size	數組元素的總個數，相當于 .shape 中 n*m 的值
ndarray.dtype	ndarray 對象的元素類型
ndarray.itemsize	ndarray 對象中每個元素的大小，以字節為單位
ndarray.flags	ndarray 對象的內存信息

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.ndim)   #數組的維數
print(a.shape)
a.shape = (3,2) #調整數組大小
print(a.shape)
print(a)
a=a.reshape(1,6) #調整數組大小
print(a)

運行結果：
2
(2, 3)
(3, 2)
[[1 2]
[3 4]
[5 6]]
[[1 2 3 4 5 6]]

二.創建NumPy數組

python的numpy。1.調用 NumPy 的 array 函數，numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)，參數說明如下：

名稱	描述
object	數組或嵌套的數列
dtype	數組元素的數據類型（可選）
copy	數組是否需要復制（可選）
order	創建數組的樣式，C為行方向，F為列方向，A為任意方向（默認）
subok	默認返回一個和基類類型一致的數組
ndmin	指定生成數組的最小維度

import numpy as np 
a = np.array([1,2,3])  
print (a)

運行結果：
[1 2 3]

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print (a)

運行結果：
[[1 2 3]
[4 5 6]
[7 8 9]]

import numpy as np
a = np.array([1,  2,  3], dtype =float)
print (a)

numpy.array、運行結果：
[1. 2. 3.]

2.numpy.empty 方法用來創建一個指定形狀（shape）、數據類型（dtype）且未初始化的數組：numpy.empty(shape, dtype = float, order = ‘C’)

import numpy as np
a = np.empty([2,2], dtype = 'i1')
print (a)   #結果為隨機數，因為數組沒有初始化

運行結果：
[[ -1 -1]
[ -1 127]]

3.numpy.zeros，創建指定大小的數組，數組元素以 0 來填充：numpy.zeros(shape, dtype = float, order = ‘C’)，有"C"和"F"兩個選項，分別代表，行優先和列優先，在計算機內存中的存儲元素的順序。

import numpy as np
a = np.zeros((5), dtype=np.int) #整型
print(a)
b = np.zeros((2, 2), dtype=[('x', 'complex'), ('y', 'float')]) #自定義類型
print(b)

運行結果：
[0 0 0 0 0]
[[(0.+0.j, 0.) (0.+0.j, 0.)]
[(0.+0.j, 0.) (0.+0.j, 0.)]]

4.numpy.ones方法創建指定形狀的數組，數組元素以 1 來填充：numpy.ones(shape, dtype = None, order = ‘C’)

import numpy as np
a = np.ones(6)# 默認浮點型
print(a)
b = np.ones([3, 2], dtype='i4')# 自定義類型
print(b)

運行結果：
[1. 1. 1. 1. 1. 1.]
[[1 1]
[1 1]
[1 1]]

5.numpy.asarray(a, dtype = None, order = None)，a可以是列表, 列表的元組, 元組, 元組的元組, 元組的列表，多維數組等，dtype表示數據類型（可選）。

import numpy as np
print(np.asarray([1,2,3,4,5]))#將列表轉換為 ndarray
print(np.asarray((1,2,3,4,5)))#將元組轉換為 ndarray

運行結果：
[1 2 3 4 5]
[1 2 3 4 5]

6.numpy.frombuffer 用于實現動態數組，接受 buffer 輸入參數，以流的形式讀入轉化成 ndarray 對象。
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)，buffer可以是任意對象，會以流的形式讀入，dtype返回數組的數據類型（可選），count 讀取的數據數量，默認為-1，讀取所有數據，offset讀取的起始位置，默認為0。

import numpy as np
a = b'Hello World'
a = np.frombuffer(a, dtype =  'S1')
print (a)

運行結果：
[b’H’ b’e’ b’l’ b’l’ b’o’ b’ ’ b’W’ b’o’ b’r’ b’l’ b’d’]
7.numpy.fromiter(iterable, dtype, count=-1)方法從可迭代對象中建立 ndarray 對象，返回一維數組，iterable表示可迭代對象dtype 表示返回數組的數據類型，count讀取的數據數量，默認為-1，讀取所有數據。

import numpy as np
list = range(8) #創建列表對象
it = iter(list) #迭代器
a = np.fromiter(it, dtype='i1')
print(a)

運行結果：
[0 1 2 3 4 5 6 7]

8.numpy.arange(start, stop, step, dtype)，根據 start 與 stop 指定的范圍以及 step 設定的步長，生成一個 ndarray，start 起始值，默認為0，stop終止值（不包含這個值），step步長默認為1。

import numpy as np
a = np.arange(1,100,30,dtype=float)
print (a)

運行結果：
[ 1. 31. 61. 91.]
9.np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)，函數用于創建一個一維數組，數組是一個等差數列構成的，start為序列的起始值，stop為序列的終止值（如果endpoint為true該值包含于數列中）num 為要生成的等步長的樣本數量，默認為50，endpoint 該值為 true 時，數列中中包含stop值，反之不包含，（默認是True）retstep 如果為 True 時，生成的數組中會顯示間距，反之不顯示。

import numpy as np
a = np.linspace(1, 20, 10, endpoint=False)
print(a)

運行結果：
[ 1. 2.9 4.8 6.7 8.6 10.5 12.4 14.3 16.2 18.1]

10.np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None) 函數用于創建一個于等比數列，start 序列的起始值為：base **start，stop 序列的終止值為：base ** stop，如果endpoint為true，該值包含于數列中，num為要生成的等步長的樣本數量，默認為50，endpoint 該值為 true 時，數列中中包含stop值，反之不包含，默認是True，base是對數 log 的底數，dtype 為 ndarray 的數據類型。

import numpy as np
a = np.logspace(0,9,10,base=2)
print (a)

運行結果：
[ 1. 2. 4. 8. 16. 32. 64. 128. 256. 512.]

三.數據類型對象

numpy.dtype(object, align, copy)，object 要轉換為的數據類型對象，align 如果為 true，填充字段使其類似的結構體，copy 復制 dtype 對象 ，如果為 false，則是對內置數據類型對象的引用。

import numpy as np
# 'i1' 表示 int8
a = np.dtype('i1')
print(a)

運行結果：int8

import numpy as np
information = np.dtype([('height', 'i2'), ('weight', 'f4')])
a = np.array([(180.5, 67),(185.9, 75)], dtype =information)
print(a)

運行結果：（數據類型轉換為information的數據類型）
[(180, 67.) (185, 75.)]

四.索引

1.slice 函數

import numpy as np
a = np.arange(10)   #[0 1 2 3 4 5 6 7 8 9]
s = slice(2, 9, 3)  # 索引從2開始到索引9停止，間隔為3
print(a[s])

運行結果：[2 5 8]

2.冒號分隔切片參數 start:stop:step

import numpy as np
a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
b = a[5]           #返回與該索引相對應的單個元素
print(b)           #5
b=a[5:]            #表示從該索引開始以后的所有項都將被提取
print(b)           #[5 6 7 8 9]
b=a[5:8]           #提取兩個索引(不包括停止索引)之間的項
print(b)           #[5 6 7]

運行結果：：
5
[5 6 7 8 9]
[5 6 7]

import numpy as np
a = np.array([[1, 2, 3], [3, 4, 5], [4, 5, 6]])
print(a)
print(a[1:])
print(a[:2])
print(a[1:2])

運行結果：
[[1 2 3]
[3 4 5]
[4 5 6]]
[[3 4 5]
[4 5 6]]
[[1 2 3]
[3 4 5]]
[[3 4 5]]

import numpy as np
a = np.array([[1, 2, 3], [3, 4, 5], [4, 5, 6]])
print(a)
print(a[1])
print(a[1:])
print(a[1][1:])
print(a[1][1:3])

運行結果：
[[1 2 3]
[3 4 5]
[4 5 6]]
[3 4 5]
[[3 4 5]
[4 5 6]]
[4 5]
[4 5]

切片還可以包括省略號 …，來使選擇元組的長度與數組的維度相同。 如果在行位置使用省略號，它將返回包含行中元素的 ndarray。

import numpy as np
a = np.array([[1, 2, 3], [3, 4, 5], [4, 5, 6]])
print(a[..., 1])   # 第2列元素
print(a[1, ...])   # 第2行元素
print(a[..., 1:])  # 第2列及剩下的所有元素

運行結果：
[2 4 5]
[3 4 5]
[[2 3]
[4 5]
[5 6]]

3.布爾索引

import numpy as np
x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
print(x)
print(x[x > 6])#數組中大于6的元素

運行結果：
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
[ 7 8 9 10 11]

4.花式索引

import numpy as np
x = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(x[[1,2]])#輸出了第一行和第二行
print (x[np.ix_([0,2],[3,1,2])])#輸出了x[0][3],x[0][1],x[0][2]#     x[2][3],x[2][1],x[2][2]

運行結果：
[[ 5 6 7 8]
[ 9 10 11 12]]
[[ 4 2 3]
[12 10 11]]