• 部分參考：菜鳥教程

文章目錄

• 一：生成數組
• • （1）由底層ndarray構造器創建：np.arrary()
  • （2）其他創建方法
  • （3）特殊數組創建方法
• 二：數組屬性
• • （1）N維數組-ndarray
  • （2）軸的概念（axis）
  • （3）ndarray屬性
• 三：索引和切片
• • （1）基本操作
  • （2）高級操作

一：生成數組

（1）由底層ndarray構造器創建：np.arrary()

上一節簡單說明了array()函數的用法，其完整形式如下

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

• object ：數組或嵌套的數列
• dtype ：數組元素的數據類型，可選
• copy ：對象是否需要復制，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：默認返回一個與基類類型一致的數組
• ndmin：指定生成數組的最小維度

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

（2）其他創建方法

①：可以使用fill()方法將數組設定為指定值

• 注意：如果fill()中傳入的數據類型和原有數組中數據的類型不一致時，會向原有的類型發生轉換

a = np.zeros(10, dtype=int) a.fill(5) # 全部填充為5 print(a)

（3）特殊數組創建方法

①：生成全0或全1的數組

• 默認是浮點數，如果需要其他類型，使用dtype指定即可

a = np.zeros(5) # 5個元素 b = np.ones(5, dtype=int) # 5個元素 print(a) print(b)

---

②：使用arange()生成整數序列，它會根據 start 與 stop 指定的范圍以及 step 設定的步長，生成一個 ndarray，它的基本格式如下

numpy.arange(start, stop, step, dtype)

• start：起始值，默認為0
• stop：終止值（不包含）
• step：步長，默認為1
• dtype：數據類型

比如

a = np.arange(0, 10, 2, int) print(a)

---

③：使用linspace()生成等差數列，它的基本格式如下

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

• start：序列的起始值
• stop：序列的終止值，如果endpoint為true，該值包含于數列中
• num：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
• dtype：數據類型

比如

a = np.linspace(1, 10, 10) b = np.linspace(10, 20, 5, endpoint=False, dtype=int) # 不包含終止值 print(a) print(b)

④：使用random.rand()等函數生成隨機數

• 讀者可自行查閱相關文檔，探索更多的隨機數生成方法

a = np.random.rand(5) b = np.random.randn(5) # 滿足正態分布 c = np.random.randint(1, 10, 10) # 10個隨機整數 print(a) print(b) print(c)

二：數組屬性

（1）N維數組-ndarray

NumPy最核心的數據類型是N維數組The N-dimensional array (ndarray)，可以看成homogenous(同質) items的集合，與只密切相關的兩種類型是Data type objects (dtype)和Scalars

• 數據類型對象(np.dtype)：用來描述與數組對應的內存區域如何使用。比如數據的類型、大小等
• NumPy數據類型(scalar types)：上一節已有介紹

如下是常見的1維、2維、3維數組

---

Numpy操作的對象就是數組，也即ndarray，這一點可以通過type()驗證

a = np.random.randint(1, 10, 10) # 10個隨機整數 print(type(a))

（2）軸的概念（axis）

Numpy數組的維數稱之為秩（rank），秩表示軸的數量；在Numpy中每一個線性的數組稱為一個軸（axis）

類似于笛卡爾坐標系，簡單的二維坐標系只有$x$軸和$y$軸，使用它們可以平面空間中唯一確定一個位置

而Numpy中的軸指的就是行、列的方向

• 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

（3）ndarray屬性

屬性說明

ndarrary.ndim	秩（軸的數量或者維度）
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
ndarray.real	ndarray元素的實部
ndarray.imag	ndarray元素的虛部

a = np.zeros((3, 4, 2), dtype=int) # 三維數組 print(a.ndim) print(a.shape) print(a.size) print(a.dtype) print(a.itemsize) print(a.flags)# 結果 3 (3, 4, 2) 24 int32 4C_CONTIGUOUS : TrueF_CONTIGUOUS : FalseOWNDATA : TrueWRITEABLE : TrueALIGNED : TrueWRITEBACKIFCOPY : FalseUPDATEIFCOPY : False

另外注意flags 所列信息含義

三：索引和切片

• 和Python中的list一樣，ndarray對象的內容可以通過索引或切片來訪問和修改

（1）基本操作

①：最基本的索引訪問

a = np.random.randint(0, 10, size=[3, 3]) # 二維隨機整數 print(a) print(a[0]) print(a[0][2])

修改也是沒有問題的

a = np.random.randint(0, 10, size=[3, 3]) # 二維隨機整數 print(a) a[0] = [9, 9, 9] print(a)

---

②：切片可以通過start:stop:step來操作

a = np.random.randint(0, 10, size=[3, 3]) # 二維隨機整數 print(a) print(a[0:2:1])

同樣支持負索引

a = np.random.randint(0, 10, size=[3, 3]) # 二維隨機整數 print(a) print(a[-2::1])

（2）高級操作

• 暫略

總結

以上是生活随笔為你收集整理的（数据分析三板斧）第一斧Numpy-第二节：生成数组、数组属性和切片的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。