Python的基础学习1：数组

本文主要是通过学习《Python科学计算第二版》整理的一个学习笔记。

关于数组的操作我们主要关心的是以下几个方面：

图0：思维导图

接下来将用表格的形式罗列以及区分各种创建和操作的方法

一、三种格式

创建数组的三种格式

格式	特点	优点	缺点	例子
列表（List）	指针+对象	便于运算操作	占用内存	a=list((1,2,3)) print(a,type(a))
数组（array）	对象	不支持多维数组，没有运算操作	内存少
库（NumPy）	1、ndarray:n维数组 2、ufunc:处理数组	多种数组操作

 

二、库NumPy中的部分函数

先导入库Numpy，并简化为np，后续的调用就可以直接用np._

import numpy as np

(1)创建：

1、手动输入

c=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])

2、自动生成

     

#自动创建 
#arange(起，终，间隔),终不在数组中,即下列数组最后一个元为0.9
b1=np.arange(0,1,0.1)

#linspace(起，终，元素个数),等差数列，用endpoint=参数指定是否包含终值，默认True包含，False不包含
b2=np.linspace(0,1,10)
b3=np.linspace(0,1,10,endpoint=False)

#logspace(起，终，元素个数),等比数列，起终均是基底为10的指数部分，参数base改变基底，参数endpoint同上
b4=np.logspace(0,2,5)
b5=np.logspace(0,1,12,base=2,endpoint=False)

输出如下：

图1：从上到下依次为b1,b2,b3,b4,b5

(2)操作 

按照思维导图对数组库中的部分操作归纳如下：

库NumPy中的部分操作

		操作	含义		例子
数值	数据类型	dtype	创建数组时的类型参数	int,float,complex	1、ai=np.array([1,2,3,4],dtype=complex) 2、af=np.int16(200)       #数值有范围，大则溢出为负，运算速度慢 3、#查询：        ai.dtype
		type	NumPy中的类型值		ai.dtype.type
		astype(type)	改变数据类型		1、t2 = np.array([1, 2, 3, 4], dtype=np.int)       t4 = t2.astype(np.complex) 2、#强制转换       c=complex(12)
	大小	np.array([])	数组从0开始编号		#创建  a=np.array([1,2,3,4],[2,3,4,5]) #修改  a[0]=10
内存		shape	数组两个轴的维数： 0轴、1轴		#查询a的两轴大小 a.shape
		reshape	在保持数组元素个数不变时，改变数组的两个轴的大小；仅改变形状，元素在内存中的位置不变		1、#a有8个元素，则可以分成（1,8）（2,4）       a.shape=1,8       #某轴为-1时自动根据总数/另一轴       a.shape=4,-1     i.e.  a.shape=4,2 2、reshape改变大小并赋给新数组，两数组共用        内存，同大小       d=a.reshape((8,1))