Python数据分析(3)-numpy中nd数组的创建

  1. ndarray的内存结构

和其他的库一样,每个库都可能有自己独特的数据结构,例如OpenCV,numpy库的多维数组叫做ndarray( N dimensionality array ),它的内存结构如下图: Python数据分析(3)-numpy中nd数组的创建 ndarray的内存结构 在这个结构体中有两个对象,一个是用来描述元素类型的头部区域,一个是用来储存数据的数据区域。(事实上大多数数据类型的数据都是这么储存的)。

2 ndarray对象的创建

2.1 ndarray多维数组的创建常规方法 创建一个3*3的数组并在屏幕打印它以及它的类型和维数:

    import numpy as np
   
  x = np.array([[0,1,2],[3,4,5],[6,7,8]],dtype = np.int32)
  print('这个数组是:',x)
  print('这个数组的数据类型是:',x.dtype)
  print('这个数组的大小:',x.shape)
[/code]

屏幕输出结果:  
![这里写图片描述](https://www.icode9.com/i/?i=20161122145927579)

我们也可以采用更加直接的办法:

```code
  import numpy as np
  x = np.arange(0,9).reshape(3,3)
  print('这个数组是:',x)
  print('这个数组的数据类型是:',x.dtype)
  print('这个数组的大小:',x.shape)
[/code]

屏幕上打印输出的结果和前一种的结果是一样的。

2.2 ndarray多维数组的创建其他方法  
除了常规方法,numpy还提供了一些其他的创建方法:  
2.2.1 创建全0或者全1的数组

![这里写图片描述](https://www.icode9.com/i/?i=20161122150127017)  
例如:  
![这里写图片描述](https://www.icode9.com/i/?i=20161122150240674)

```code
  import numpy as np
   
  x = np.ones([3,3])
  print('这个数组是:',x)
  print('这个数组的数据类型是:',x.dtype)
  print('这个数组的大小:',x.shape)
[/code]

```code
  >>> x = np.arange(6)
  >>> x = x.reshape(2,3)
  >>> x    
  array([[0, 1, 2], [3, 4, 5]])
  >>> np.ones_like(x)
  array([[1, 1, 1], [1, 1, 1]])
  >>> y = np.arange(3, dtype=np.float)
  >>> y
  array([ 0., 1., 2.])
  >>> np.ones_like(y)
  array([ 1., 1., 1.])
[/code]

当然也可以填充其他的数:

```code
  import numpy as np
  x = np.full([3,3],np.inf)
  print('这个数组是:',x)
  print('这个数组的数据类型是:',x.dtype)
  print('这个数组的大小:',x.shape)
[/code]

打印输出: ![这里写图片描述](https://www.icode9.com/i/?i=20161122150223908)

2.2.2 从已存在的数据中创建数组  
![这里写图片描述](https://www.icode9.com/i/?i=20161122150510183)

```code
  >>> np.array([1, 2, 3])
  array([1, 2, 3])
   
  >>> np.array([1, 2, 3.0])
  array([ 1., 2., 3.])
   
  >>> np.array([[1, 2], [3, 4]])
  array([[1, 2], [3, 4]])
   
  >>> np.array([1, 2, 3], ndmin=2)
  array([[1, 2, 3]])
   
  >>> np.array([1, 2, 3], dtype=complex)
  array([ 1.+0.j, 2.+0.j, 3.+0.j])
   
  >>> x = np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i4')])
  >>> x['a']
  array([1, 3])
[/code]

2.2.3 创建记录阵列(record array,可能翻译不准):创建一个阵列,将其他数组集中在一起管理,并可以命名:  
![这里写图片描述](https://www.icode9.com/i/?i=20161122150534527)  
例如:

```code
  import numpy as np
   
  x1 = np.arange(0,3)
  x2 = np.array(['ff','hh','yy'])
  x3 = ([1,2,3])
  r = np.core.records.fromarrays([x1,x2,x3],names='a,b,c')
  print(r[2])
  print(r.a)
[/code]

2.2.4 创建字符数组  
numpy提供了专门的函数创建字符数组:np.chararray()  
首先看看它的参数:  
Parameters  
| ———-  
| shape : tuple  
| Shape of the array.  
| itemsize : int, optional  
| Length of each array element, in number of characters. Default is 1.  
| unicode : bool, optional  
| Are the array elements of type unicode (True) or string (False).  
| Default is False.  
| buffer : int, optional  
| Memory address of the start of the array data. Default is None,  
| in which case a new array is created.  
| offset : int, optional  
| Fixed stride displacement from the beginning of an axis?  
| Default is 0. Needs to be >=0.  
| strides : array_like of ints, optional  
| Strides for the array (see ndarray.strides for full description).  
| Default is None.  
| order : {‘C’, ‘F’}, optional  
| The order in which the array data is stored in memory: ‘C’ ->  
| “row major” order (the default), ‘F’ -> “column major”  
| (Fortran) order.

```code
    Examples
    | --------
    | >>> charar = np.chararray((3, 3))
    | >>> charar[:] = 'a'
    | >>> charar
    | chararray([['a', 'a', 'a'],
    |         ['a', 'a', 'a'],
    |         ['a', 'a', 'a']],
    |       dtype='|S1')
    |  
    | >>> charar = np.chararray(charar.shape, itemsize=5)
    | >>> charar[:] = 'abc'
    | >>> charar
    | chararray([['abc', 'abc', 'abc'],
    |         ['abc', 'abc', 'abc'],
    |         ['abc', 'abc', 'abc']],
    |       dtype='|S5')
[/code]

2.2.5 创建数值数组  
![这里写图片描述](https://www.icode9.com/i/?i=20161122150625644)

```code
  import numpy as np
   
  x1 = np.arange(0,3,1)
  x2 = np.linspace(0,3,4)
  x3 = np.logspace(1,8,3)
  x4 = np.mgrid[0:3,0:3]
  x5 = np.ogrid[0:3,0:3]
  print(x1,x2,x3,x4,x5)
[/code]

2.2.6 创建矩阵  
![这里写图片描述](https://www.icode9.com/i/?i=20161122150654778)

2.2.7 矩阵类(The matrix class)  
![这里写图片描述](https://www.icode9.com/i/?i=20161122150707872)


![在这里插入图片描述](https://www.icode9.com/i/ll/?i=20210608151750993.gif)

 

上一篇:算法第二章总结


下一篇:Kick Start 2018 - Round C