NumPy Ndarray用法详细介绍(例子和配图)

本文概述

创建一个ndarray对象
查找数组的尺寸
查找每个数组元素的大小
查找每个数组项的数据类型
查找数组的形状和大小
重塑数组对象
在数组中切片
Linspace
查找数组元素的最大, 最小和总和
NumPy阵列轴
求平方根和标准偏差
阵列上的算术运算
数组串联

Ndarray是在numpy中定义的n维数组对象, 该对象存储相似类型的元素的集合。换句话说, 我们可以将ndarray定义为数据类型(dtype)对象的集合。
可以使用基于0的索引来访问ndarray对象。数组对象的每个元素在内存中包含相同的大小。
创建一个ndarray对象可以使用numpy模块的数组例程创建ndarray对象。为此, 我们需要导入numpy。

> > > a = numpy.array

考虑下图。

文章图片
我们还可以将集合对象传递到数组例程中, 以创建等效的n维数组。语法在下面给出。

> > > numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

下表描述了这些参数。

SN	Parameter	Description
1	object	它代表收集对象。它可以是列表, 元组, 字典, 集合等。
2	dtype	通过将此选项更改为指定的类型, 我们可以更改数组元素的数据类型。默认为无。
3	copy	它是可选的。默认情况下为true, 这表示复制了对象。
4	order	可以为该选项分配3个可能的值。可以是C(列顺序), R(行顺序)或A(任意)
5	subok	默认情况下, 返回的数组将是基类数组。通过将此选项设置为true, 我们可以更改此设置以使子类通过。
6	ndmin	它代表结果数组的最小尺寸。

要使用列表创建数组, 请使用以下语法。

> > > a = numpy.array([1, 2, 3])

文章图片
若要创建多维数组对象, 请使用以下语法。

> > > a = numpy.array([[1, 2, 3], [4, 5, 6]])

文章图片
要更改数组元素的数据类型, 请在集合中提及数据类型的名称。

> > > a = numpy.array([1, 3, 5, 7], complex)

文章图片
查找数组的尺寸 ndim函数可用于查找数组的尺寸。

> > > import numpy as np> > > arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]])> > > print(arr.ndim)

文章图片
查找每个数组元素的大小 itemssize函数用于获取每个数组项目的大小。它返回每个数组元素占用的字节数。
考虑以下示例。
例子

#finding the size of each item in the arrayimport numpy as npa = np.array([[1, 2, 3]])print("Each item contains", a.itemsize, "bytes")

输出

Each item contains 8 bytes.

查找每个数组项的数据类型要检查每个数组项的数据类型, 请使用dtype函数。考虑以下示例, 检查数组项目的数据类型。
例子

#finding the data type of each array itemimport numpy as npa = np.array([[1, 2, 3]])print("Each item is of the type", a.dtype)

输出

Each item is of the type int64

查找数组的形状和大小为了获得数组的形状和大小, 使用了与numpy数组关联的大小和形状函数。
考虑以下示例。
例子

import numpy as npa = np.array([[1, 2, 3, 4, 5, 6, 7]])print("Array Size:", a.size)print("Shape:", a.shape)

输出

Array Size: 7Shape: (1, 7)

重塑数组对象所谓数组的形状, 是指多维数组的行数和列数。但是, numpy模块为我们提供了一种通过更改多维数组的行数和列数来重塑数组形状的方法。
与ndarray对象关联的reshape()函数用于对数组进行整形。它接受两个参数, 这些参数指示数组新形状的行和列。
让我们重塑下图中给出的数组。

文章图片
例子

import numpy as npa = np.array([[1, 2], [3, 4], [5, 6]])print("printing the original array..")print(a)a=a.reshape(2, 3)print("printing the reshaped array..")print(a)

输出

printing the original array..[[1 2] [3 4] [5 6]]printing the reshaped array..[[1 2 3] [4 5 6]]

在数组中切片在NumPy数组中切片是从数组中提取一系列元素的方法。数组中的切片与python列表中的切片相同。
考虑下面的示例以打印数组的特定元素。
例子

import numpy as npa = np.array([[1, 2], [3, 4], [5, 6]])print(a[0, 1])print(a[2, 0])

输出

25

上面的程序从数组的第0个索引打印第2个元素, 从数组的第2个索引打印第0个元素。
Linspace linspace()函数返回给定间隔内均匀间隔的值。下面的示例在给定的间隔5-15中返回10个均分的值
例子

import numpy as npa=np.linspace(5, 15, 10) #prints 10 values which are evenly spaced over the given interval 5-15print(a)

输出

[ 5.6.111111117.222222228.333333339.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15.]

查找数组元素的最大, 最小和总和 NumPy提供max(), min()和sum()函数, 分别用于查找数组元素的最大值, 最小值和总和。
考虑以下示例。
例子

import numpy as npa = np.array([1, 2, 3, 10, 15, 4])print("The array:", a)print("The maximum element:", a.max())print("The minimum element:", a.min())print("The sum of the elements:", a.sum())

输出

The array: [ 123 10 154]The maximum element: 15The minimum element: 1The sum of the elements: 35

NumPy阵列轴 NumPy多维数组由轴表示, 其中轴0表示列, 轴1表示行。我们可以提到轴来执行行级或列级计算, 例如添加行或列元素。

文章图片
要计算每列中的最大元素, 每行中的最小元素以及所有行元素的加法, 请考虑以下示例。
例子

import numpy as npa = np.array([[1, 2, 30], [10, 15, 4]])print("The array:", a)print("The maximum elements of columns:", a.max(axis = 0)) print("The minimum element of rows", a.min(axis = 1))print("The sum of all rows", a.sum(axis = 1))

输出

The array: [[1230][10154]]The maximum elements of columns: [10 15 30]The minimum element of rows [1 4]The sum of all rows [33 29]

求平方根和标准偏差与numpy数组关联的sqrt()和std()函数分别用于查找数组元素的平方根和标准偏差。
标准偏差表示数组的每个元素与numpy数组的平均值相差多少。
考虑以下示例。
例子

import numpy as npa = np.array([[1, 2, 30], [10, 15, 4]])print(np.sqrt(a))print(np.std(a))

输出

[[1.1.41421356 5.47722558] [3.16227766 3.87298335 2.]]10.044346115546242

阵列上的算术运算 numpy模块允许我们直接在多维数组上执行算术运算。
在以下示例中, 对两个多维数组a和b执行算术运算。
例子

import numpy as npa = np.array([[1, 2, 30], [10, 15, 4]])b = np.array([[1, 2, 3], [12, 19, 29]])print("Sum of array a and b\n", a+b)print("Product of array a and b\n", a*b)print("Division of array a and b\n", a/b)

数组串联 numpy为我们提供了垂直堆叠和水平堆叠, 这使我们可以垂直或水平连接两个多维数组。
考虑以下示例。
例子

import numpy as npa = np.array([[1, 2, 30], [10, 15, 4]])b = np.array([[1, 2, 3], [12, 19, 29]])print("Arrays vertically concatenated\n", np.vstack((a, b))); print("Arrays horizontally concatenated\n", np.hstack((a, b)))

【NumPy Ndarray用法详细介绍(例子和配图)】输出