Numpy基本操作——numpy中数组的创建方法

Numpy基本操作——numpy中数组的创建方法

---

---

一、实验目的

熟练掌握numpy中ndarray的创建方法。
练习numpy中ndarray的属性查询操作。

二、实验原理

NumPy简介

NumPy是用Python进行科学计算的基本软件包。它包含以下内容：

1、一个强大的N维数组对象

2、复杂的（广播）功能

3、用于集成C/C++和Fortran代码的工具

4、有用的线性代数，傅里叶变换和随机数能力

5、用于读写磁盘数据以及操作内存映射文件的工具

NumPy是一个用python实现的科学计算包。包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。

NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。

numpy的核心结构：ndarray(多维数组)

NumPy中创建数组的方法如下表：

三、实验环境

Python 3.6.1以上

Jupyter

四、实验内容

练习numpy中ndarray的属性查询操作。
练习numpy中创建数组操作。

五、实验步骤

1.ndarray的属性

import numpy as np
a=np.arange(15).reshape(3,5)
a
#使用shape查看a的形状
a.shape
#使用ndim查看a的维数
a.ndim
#使用dtype查看a的数据类型
a.dtype.name
#查看数组a的元素个数
a.itemsize
type(a)

2.创建数组ndarray——array()

array()：将列表、元组转化成ndarray，使用array创建数组，数组的类型是由列表中元素的类型决定。

import numpy as np
a=np.array([2,3,4])
a
#查看数组a的数据类型
a.dtype
b=np.array([1.2,3.5,5.1])
#查看数组b的数据类型
b.dtype

使用array函数将元组转化成数组。

array1=np.array(((1,2,3),(2,3,4)))
print(array1)

array创建数组时，可以定义数据的类型

c=np.array([[1,2,3],[1.2,3.5,6]],dtype=np.float64)
print(c)

3.创建数组ndarray——zeros()

zeros()：创建全为0的数组，使用zeros函数创建一个全为0的3行4列数组。

array_zeros=np.zeros((3,4))
print(array_zeros)

4.创建数组ndarray——ones()

ones()：创建全为1的数组，使用ones函数创建一个全是1的形状为（2,3,4）的3维数组，数据类型为int16.

array_ones=np.ones((2,3,4),dtype=np.int16)
print(array_ones)

5.创建数组ndarray——empty()

empty():创建随机数组，使用empty函数创建一个形状为（2,3）的随机数组，它的元素值是随机的，由内存的状态决定。

array_empty=np.empty((2,3))
print(array_empty)

6.创建数组ndarray——arange()

arange()：创建的NumPy数组，使用Numpy中类似于range的函数arange，创建一个从10到30间隔为5的数值序列，结果返回到一个数组中。

array_arange=np.arange(10,30,5)
print(array_arange)

7.创建数组ndarray——linspace()

linspace()：创建NumPy数组，使用Numpy中的linspace函数创建一个从0到2间隔为9的浮点类型数值序列，结果返回到一个数组中。

array_linspace=np.linspace(0,2,9)
print(array_linspace)

8.创建数组ndarray——asarray()

asarray()：Numpy.asarray类似于numpy.array，从已知数据中构造数组。使用asarray函数将列表[1,2,3]转换成数组，并定义数据类型为float64。

x=[1,2,3]
a=np.asarray(x,dtype=np.float64)
print(a)

9.创建数组ndarray——identity()

identity()：用于创建单位矩阵，使用identity创建3维单位矩阵。

array_identity=np.identity(3)
print(array_identity)

10.创建数组ndarray——diag()

diag()：用于创建对角矩阵。使用diag函数创建[1,2,3]的对角矩阵。

array_diag=np.diag([1,2,3])
print(array_diag)

---

总结

以上就是本文要讲的内容，本文介绍了Numpy中属性的查询操作和各种创建数组的方法。NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。