Numpy ndarray 对象

发布时间：2023-07-01 15:04:44 所属栏目：教程来源：

导读：本小节将详述如何创建 ndarray 对象，以及如何创建特殊的 ndarray 对象。

1. ndarray 对象
ndarray，也就是我们常用的 N 维数组对象，是 Numpy 最核心的组成部分。你可以把它视为一个快速而灵活的大数据集容器，

本小节将详述如何创建 ndarray 对象，以及如何创建特殊的 ndarray 对象。

1. ndarray 对象
ndarray，也就是我们常用的 N 维数组对象，是 Numpy 最核心的组成部分。你可以把它视为一个快速而灵活的大数据集容器，利用这种数组你可以便捷地执行一些数学运算。

ndarray 有两个显著特点：

ndarray 是一个通用的同构数据多维容器，也就是说，该容器中的每一个元素都必须是相同类型的，且每个元素在内存中都有相同存储大小的区域；

ndarray 具有矢量算术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。

2. 创建 ndarray
2.1 numpy.array 函数
创建数组对象最简单的方法是利用 array 函数，该函数的输入为序列型对象，输出为一个含有传入数据的 Numpy 数组。 array 函数的常用调用参数如下：

numpy.array(object, dtype=None, copy=True, ndmin=)
参数   说明
object   array的主要输入参数，可以是数组、有序序列，或者是嵌套的序列
dtype   数据类型，用来指定生成的ndarray数据结构的元素类型
copy   对象是否被复制，默认为True
ndmin   指定返回数组的最小维数
Tips：关于数据类型相关知识，我们会在下个小节详细讲解。

案例
以列表转换为例：

import numpy as np

data0 = [, , , , ]arr0 = np.array(data0)arr0
这里通过 array 函数，输入列表，输出一个数组对象。

Out:array([, , , , ])
在上述案例中，并未指定dtype。这是因为在通常情况下，np.array函数会尝试为新建的数组推断出一个合理的数据类型：

arr0.dtype
Out:dtype('int32')
可以看到自动创建的数据类型为int32。

案例
当然了，你可以在开始的时候，利用dtype参数，显式地指定数组元素的数据类型。这里我们以一个嵌套列表为例，进行说明：

data1 = [[, , ], [, , ], [, , ]]arr1 = np.array(data1, dtype='float')arr1
这里通过 array 函数，输入嵌套列表，并同时指定数据类型为 float，输出对应的数组对象。

Out:array([[. , . , ], [. , , . ], [, . , . ]])
查看数组对象的数据类型为float64。

arr1.dtype
Out:dtype('float64')
案例
也可以利用 ndmin 参数，手动指定创建数组的维数：

arr2 = np.array(data0, ndmin=)arr2
Out:array([[, , , , ]])
这里利用 ndmin 参数，手动创建了一个二维数组。

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!