Numpy 属性方法操作速查表

最新推荐文章于 2024-01-23 16:26:07 发布

大义Python

最新推荐文章于 2024-01-23 16:26:07 发布

阅读量518

点赞数

分类专栏：数据分析&文本挖掘文章标签： numpy 属性方法操作查询

本文链接：https://blog.youkuaiyun.com/u013965862/article/details/105434681

版权

本文详细介绍了NumPy的数组创建方法，包括numpy.array(), asarray(), arange(), linspace(), logspace(), empty(), zeros(), ones(), eye(), frombuffer()和fromiter()。同时，还讲解了如何改变数组的形状，如reshape(), ravel(), resize(), flatten(), transpose()和swapaxes()等操作。" 121051718,11576598,Kubernetes实战：从零搭建到应用运行,"['Kubernetes', '容器编排', 'DevOps', '微服务']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.Numpy 数据类型

NumPy 数组包含同一类型的值，支持的数据类型比 Python 内置的类型更多，构建一个数组时，可以用一个字符串参数 dtype 来指定数据类型：

np.zeros(10, dtype='int16')
np.zeros(10, dtype=np.int16)

数据类型	描述
bool_	布尔值（True 或者 False），用一个字节存储
int_	默认的整型（类似于 C 语言中的 long，通常情况下是 int32 或 int64）
intc	同 C 语言的 int 相同（通常是 int32 或 int64）
intp	用作索引的整型（和 C 语言的 ssize_t 相同，通常情况下是 int32 或 int64）
int8	字节（byte，范围从 –128 到 127），可用 i1 缩写代替
int16	整型（范围从 –32768 到 32767），可用 i2 缩写代替
int32	整型（范围从 –2147483648 到 2147483647），可用 i4 缩写代替
int64	整型（范围从 –9223372036854775808 到 9223372036854775807），可用 i8 缩写代替
uint8	无符号整型（范围从 0 到 255）
uint16	无符号整型（范围从 0 到 65535）
uint32	无符号整型（范围从 0 到 4294967295）
uint64	无符号整型（范围从 0 到 18446744073709551615）
float_	float64 的简化形式
float16	半精度浮点型，包括：1 比特位符号，5 比特位指数，10 比特位尾数
float32	单精度浮点型，包括：1 比特位符号，8 比特位指数，23 比特位尾数
float64	双精度浮点型，包括：1 比特位符号，11 比特位指数，52 比特位尾数
complex_	complex128 的简化形式
complex64	复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128	复数，表示双 64 位浮点数（实数部分和虚数部分）

2.创建数组方法

方法	描述
numpy.array()	将输入数据（列表、元组、Ndarray 等）转换为数组形式当数据源为 Ndarray 时，该方法仍然会 copy 出一个副本，占用新的内存
numpy.asarray()	将输入数据（列表、元组、Ndarray 等）转换为数组形式当数据源为 Ndarray 时，该方法不会 copy 出一个副本，不占用新的内存
numpy.arange()	创建一个一维数组，该数组由一个等差数列构成通过指定开始值、终值和步长创建等差数列，得到的结果数组不包含终值
numpy.linspace()	创建一个一维数组，该数组由一个等差数列构成通过指定开始值、终值和元素个数创建等差数列，可通过 endpoint 参数指定是否包含终值
numpy.logspace()	创建一个一维数组，该数组由一个等比数列构成
numpy.empty()	创建一个指定形状、数据类型且未初始化的数组
numpy.zer