Numpy之array用法

在学习机器学习时，经常会使用到库Numpy。所以在此做一下笔记。

---

numpy概述：

numpy（Numerical Python）提供了python对多维数组对象的支持；ndarray，具有矢量运算能力，快速、节省空间。numpy支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

---

ndarray数组概述：

ndarray：N维数组对象（矩阵），所有元素必须是相同类型。

ndarray属性：ndim属性，表示维度个数；shape属性，表示各维度大小；dtype属性，表示数据类型。

首先我们先看一下ndarray的创建方式：

创建ndarray数组：

举个例子：

from numpy import *

a1 = [0,1,2,3,4,5]                   #一维数组
a2 = [[0,1,2,3,4], [5,6,7,8,9]]      #二维数组
a3 = [[[0,1,2,3], [4,5,6,7], [8,9,10,11]], [[12,13,14,15], [16,17,18,19], [20,21,22,23]]]       #三位数组

#创建向量
v1 = array(a1)  #一维向量
v2 = array(a2)  #二维向量
v3 = array(a3)  #三维向量

然后，我们再看一下ndarray数组的各个属性如何：

ndarray数组属性：

ndim属性
vector0.ndim 表示向量vector0的维度个数。
继续承接上面的代码举例如下：

dims1 = v1.ndim
dims2 = v2.ndim
dims3 = v3.ndim

print('向量v1的维度个数是',dims1)
print('向量v2的维度个数是',dims2)
print('向量v3的维度个数是',dims3)

输出结果是：

向量v1的维度个数是 1
向量v2的维度个数是 2
向量v3的维度个数是 3

shape属性

vector0.shape[x]表示向量vector0的第x维度的大小。

下面我们只看向量v3，代码如下：

sh30 = v3.shape[0]
sh31 = v3.shape[1]
sh32 = v3.shape[2]

print('向量v3的第一维度的大小是', sh30)
print('向量v3的第二维度的大小是',sh31)
print('向量v3的第三维度的大小是',sh32)

输出结果是：

向量v3的第一维度的大小是 2
向量v3的第二维度的大小是 3
向量v3的第三维度的大小是 4

dtype属性
vector0.dtype表示向量vector0数据类型。

举例代码如下：

type3 = v3.dtype
print('向量v3的数据类型是',type3)

输出结果为：

向量v3的数据类型是 int32