numpy巨全的api及详细介绍(适合小白!机器学习前置技术栈)

一.ndarray属性

1.ndarray.shape 形状

表示数组的形状，也就是数组中各维度的大小。该属性的值为一个元组，例如，一个m行n列的二维数组，其shape属性的值为(m, n)。

2.ndarray.nidim 维度

表示数组的维度，也就是秩（rank）。秩是轴的数量，一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。

3.ndarray.size 数组元素的总数

表示数组元素的总数。这个属性可以通过数组各维度的大小相乘得到。

4.ndarray.dtype 数组的数据类型

表示数组的数据类型。这可以是任何NumPy支持的数据类型，如int、float、complex等。

5.ndarray.itemsize 每个元素的字节大小

表示数组中每个元素的大小，以字节为单位。

6.ndarray.data 返回一个包含数组数据的缓冲区对象

代码展示

import numpy as np
a = np.arange(15).reshape(3, 5) # 这里3为矩阵的行数,5为矩阵的列数
print(a)
print('数组的形状:', a.shape)
print('数组轴的个数:', a.ndim)
print('数组元素类型:', a.dtype)
print('数组中每个元素的字节大小:', a.itemsize)
print('数组元素的总个数:', a.size)
print('类型查询:', type(a))
print(a.data)

查询结果

二.ndarray的创建

(一). ndarray介绍

• NumPy数组是一个多维的数组对象（矩阵），称为ndarray(N-Dimensional Array)
• 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
• 注意：ndarray的下标从0开始，且数组里的所有元素必须是相同类型。

(二). ndarray 的创建

1.创建数组

• array(p_object,dtype = None)

import numpy as np
a = np.array([2, 3, 4]) # 整数类型数组
b = np.array([1.2, 3.5, 5.1]) # 浮点
print(a)
print(b)
# 运行结果
# [2 3 4]
# [1.2 3.5 5.1]

• zeros(shape, dtype=None, order=‘C’) 函数zeros创建一个全是0的数组，

a1 = np.zeros((3,4))
print(a1)
# 运行结果
#[[0. 0. 0. 0.]
# [0. 0. 0. 0.]
# [0. 0. 0. 0.]]

• ones(shape, dtype=None, order=‘C’) 函数ones创建一个全1的数组，

a2 = np.ones((3,4))
print(a2)
# 运行结果
#[[1. 1. 1. 1.]
# [1. 1. 1. 1.]
# [1. 1. 1. 1.]]

• empty(shape, dtype=None, order=‘C’) 函数empty创建一个内容随机并且依赖于内存状态的数组。

a3= np.empty((2, 3))
print('数组a3: ', a3)
print(a3.dtype)
# 运行结果
#数组empty1:  [[6.95073433e-310 6.95073433e-310 0.00000000e+000]
# [0.00000000e+000 0.00000000e+000 0.00000000e+000]]
# float64

• arange(start=None), 类似 python 的 range() ，创建一个一维 ndarray 数组。

a4 = np.arange(15).reshape(3,5)
print(a4)
# 运行结果
# [[ 0  1  2  3  4]
# [ 5  6  7  8  9]
# [10 11 12 13 14]]

• full() ,用特定值填充数组

full_array = np.full((2, 3), 5)
print("特定填充值数组:\n", full_array)
# 运行结果
# 特定填充值数组:
# [[5 5 5]
#  [5 5 5]]

• matrix(), 是 ndarray