本文共 2221 字，大约阅读时间需要 7 分钟。

引入

import numpy as np

在此引入一次，下面直接使用 np

简单的创建

x = np.array([1, 2, 3, 4, 5])print('x = ', x) # x = [1 2 3 4 5]

一些实用的术语

• 一维数组称之为秩为 1 的数组, N 维数组的秩为 N
• 数组的形状是指每个维度的大小。例如，秩为 2 的数组的形状对应于数组的行数和列数.

ndarray中的 .shape 属性

x = np.array([1, 2, 3, 4, 5])print('x has dimensions:', x.shape) # x has dimensions: (5,)print(type(x)) # class 'numpy.ndarray'print('The elements in x are of type:', x.dtype) # The elements in x are of type: int64

说明：

• shape 属性返回了元组 (5,)，告诉我们 x 的秩为 1（即 x 只有一个维度），并且有 5 个元素。
• type() 函数告诉我们 x 的确是 NumPy ndarray。
• 最后，.dtype 属性告诉我们 x 的元素作为有符号 64 位整数存储在内存中。

关于ndarray的数据类型

• 与 Python 列表不同的是，ndarray 的所有元素都必须类型相同。
• 如果向 np.array() 函数提供同时具有整数和字符串的 Python 列表，NumPy 会将所有元素解析为字符串。

x = np.array([1, 2, 'World'])    print('The elements in x are of type:', x.dtype) # The elements in x are of type: U21

创建秩为 2 的 ndarray

Y = np.array([[1,2,3],[4,5,6],[7,8,9], [10,11,12]])print('Y has dimensions:', Y.shape) # Y has dimensions: (4, 3)print('Y has a total of', Y.size, 'elements') # Y has a total of 12 elements Y is an object of type: class 'numpy.ndarray'print('The elements in Y are of type:', Y.dtype) # The elements in Y are of type: int64

• .shape 属性返回元组 (4,3)，告诉我们 Y 的秩为 2，有 4 行 3 列。
• .size 属性告诉我们 Y 共有 12 个元素。

创建具有浮点数和整数的 ndarray

x = np.array([1,2,3])y = np.array([1.0,2.0,3.0])z = np.array([1, 2.5, 4])print(x.dtype) # int64print(y.dtype) # float64print(z.dtype) # float64

说明：

• 当我们创建同时包含浮点数和整数的 ndarray 时，NumPy 也会为其元素分配 float64 dtype。这叫做向上转型。
• 因为 ndarray 的所有元素都必须类型相同，因此在这种情况下，NumPy 将 z 中的整数向上转型为浮点数，避免在进行数学计算时丢失精度。

创建指定 dtype 的 ndarray

x = np.array([1.5, 2.2, 3.7, 4.0, 5.9], dtype = np.int64)print()print('x = ', x) # x = [1 2 3 4 5]print()print('The elements in x are of type:', x.dtype) # The elements in x are of type: int64

• NumPy 通过去除小数将浮点数转换成了整数。
• 如果希望达到一定的计算精度来节省内存，则指定 ndarray 的数据类型很有用。

在NumPy中加载文件和读取文件

x = np.array([1, 2, 3, 4, 5])# 将 x ndarray 保存到叫做 my_array.npy 的文件中np.save('my_array', x) # 使用 load() 函数将保存的 ndarray 加载到变量中y = np.load('my_array.npy')print()print('y = ', y) # y = [1 2 3 4 5]print()print('y is an object of type:', type(y)) # y is an object of type: class 'numpy.ndarray' print()print('The elements in y are of type:', y.dtype) # The elements in y are of type: int64

注意：

• 从文件中加载数组时，确保包含文件名和扩展名 .npy，否则将出错。

转载地址：http://izwei.baihongyu.com/