ndarray 的创建及属性

2022-10-30
四川
本文字数：2196 字
阅读完需：约 7 分钟

1. ndarray 的创建及获取属性

上节课我们有提到过 ndarray 的创建，我只需要将列表传入到 np.array() 函数中。例如：

import numpy as np
my_list = [1, 2, 3, 4, 5, 6]my_arr = np.array(my_list)print(my_arr)

复制代码

ndarray 创建完成后，我们可以查看 ndarray 的属性。

1.1 查看类型

1.1.1 查看 ndarray 的类型。

import numpy as np
my_list = [1, 2, 3, 4, 5, 6]my_arr = np.array(my_list)print(type(my_arr))

复制代码

由于类型为 ndarray，所以代码中得到的类型为 <class 'numpy.ndarray'>

1.1.2 查看 ndarray 中元素的类型

import numpy as np
my_list = [1, 2, 3, 4, 5, 6]my_arr = np.array(my_list)print(my_arr.dtype)

复制代码

1.2 查看维度信息

1.2.1 查看维度数

import numpy as np
my_list = [1, 2, 3, 4, 5, 6]my_arr = np.array(my_list)print(my_arr.ndim)

复制代码

由于我们创建的是一维数组，所以代码中得到的维度数为 1。

1.2.2 查看数组大小

import numpy as np
my_list = [1, 2, 3, 4, 5, 6]my_arr = np.array(my_list)print(my_arr.size)

复制代码

由于数组中包含 6 个元素，所以代码中得到的数组大小为 6。

1.2.3 查看各维度大小

import numpy as np
my_list = [1, 2, 3, 4, 5, 6]my_arr = np.array(my_list)print(my_arr.shape)

复制代码

由于我们创建的是一维数组，所以代码中得到的结果为 (6,)。

1.3 查看元素信息

1.3.1 查看元素占用的存储空间

import numpy as np
my_list = [1, 2, 3, 4, 5, 6]my_arr = np.array(my_list)print(my_arr.itemsize)

复制代码

由于元素的类型为 int64，所以占用的存储空间为 8 个字节。上面讲的是一维数组的创建及数组属性的获取，下面来讲下二维数组。创建方法以及属性的获取都和一维数组一样，所以就不一一详细介绍了，只是把代码列出，同学们可以运行代码感受下。

import numpy as np
my_list = [[1.1, 2.2, 3.3], [4.4, 5.5, 6.6]]my_arr = np.array(my_list)print(type(my_arr))

复制代码

import numpy as np
my_list = [[1.1, 2.2, 3.3], [4.4, 5.5, 6.6]]my_arr = np.array(my_list)print(my_arr.dtype)

复制代码

import numpy as np
my_list = [[1.1, 2.2, 3.3], [4.4, 5.5, 6.6]]my_arr = np.array(my_list)print(my_arr.ndim)

复制代码

在创建数组时，我们还可以明确指定元素的类型，例如：

import numpy as np
my_list = [[1, 2, 3], [4, 5, 6]]my_arr = np.array(my_list, dtype = 'float64')print(my_arr.dtype)

复制代码

在上面的例子中，当我们明确指定元素类型时，虽然元素的类型为整型，但是由于明确指定了浮点型，所以得到的元素类型为浮点型。

2. 使用函数创建 ndarray

前面创建 ndarray 的方法是将列表传入到函数 array() 中。除此之外，我们还可以使用函数来创建 ndarray。

2.1 arange 函数

arange 函数根据指定的范围以及设定的步长，生成一个 ndarray。

import numpy as np
my_arr = np.arange(0, 12)print(my_arr)

复制代码

上面的代码创建了一个包含 12 个元素的 ndarray，元素从 0 开始，到 11 结束，[ 0 1 2 3 4 5 6 7 8 9 10 11]。在使用 arange() 函数，当我们不指定步长时，默认的步长为 1。当然，我们亦可以明确指定步长。例如：

import numpy as np
my_arr = np.arange(0, 12, 3)print(my_arr)

复制代码

当我们指定步长为 3 时，生成的 ndarray 为 [0 3 6 9]。arange() 函数的参数不但可以为整数，还可以为小数。例如：

import numpy as np
my_arr = np.arange(0, 6, 0.6)print(my_arr)

复制代码

上面的代码生成了数组 [0. 0.6 1.2 1.8 2.4 3. 3.6 4.2 4.8 5.4]。上面使用 arange() 函数生成的是一维数组，我们可以在生成一维数组后对其进行重塑，这样便可以得到多维数组。例如：

import numpy as np
my_arr = np.arange(0, 12).reshape(3, 4)print(my_arr)

复制代码

在上面的代码中，调用 reshape() 函数对生成的一维数组进行重塑，便得到一个 3 行 4 列的二维数组。

2.2 linspace 函数

linspace 函数用于在线性空间中以均匀步长生成 ndarray。

import numpy as np
my_arr = np.linspace(0, 10, 5)print(my_arr)

复制代码

上述代码对区间 [0, 10] 进行 5 等分，取每个分界点的数字组成数组，便得到一维数组 [ 0. 2.5 5. 7.5 10. ]。

2.3 zeros 函数

zeros 函数生成一个给定形状和类型的用 0 填充的 ndarray。

import numpy as np
my_arr = np.zeros(6)print(my_arr)

复制代码

上述代码生成一个 6 个 0 的一维数组 [0. 0. 0. 0. 0. 0.]。

import numpy as np
my_arr = np.zeros((2, 3))print(my_arr)

复制代码

上述代码生成一个 2 行 3 列的二维数组，[[0. 0. 0.][0. 0. 0.]]，数组的元素全为 0。在调用 zeros() 函数生成多维数组时，要注意传入的是一个元组，元组的各个元素指明了多维数组各个维度的大小。

2.4 ones 函数

ones() 函数和 zeros() 函数类似，只不过生成的数组中的元素全为 1。

import numpy as np
my_arr = np.ones(6)print(my_arr)

复制代码

上述代码生成一个 6 个 1 的一维数组 [1. 1. 1. 1. 1. 1.]。

import numpy as np
my_arr = np.ones((2, 3))print(my_arr)

复制代码

上述代码生成一个 2 行 3 列的二维数组，[[1. 1. 1.][1. 1. 1.]]，数组的元素全为 1。

2.5 random() 函数

我们可以使用 random() 函数来生成元素大小为随机的 ndarray。

import numpy as np
my_arr = np.random.random(3)print(my_arr)

复制代码

上面代码生成一个元素大小随机的一维数组 [0.56733043 0.49110822 0.87588511]。使用 random() 函数同样可以生成二维数组。

import numpy as np
my_arr = np.random.random((2, 3))print(my_arr)

复制代码

发布于: 刚刚阅读数: 3

原文链接:【http://xie.infoq.cn/article/4556b7ff0afb7930c1f4f8df7】。文章转载请联系作者。

向阳逐梦

关注

人生享受编程，编程造就人生！ 2022-06-01 加入

某公司芯片测试工程师，嵌入式开发工程师，InfoQ签约作者，阿里云星级博主，华为云·云享专家。座右铭：向着太阳，追逐梦想！

发布

暂无评论

创作场景

ndarray 的创建及属性

1. ndarray 的创建及获取属性

1.1 查看类型

1.1.1 查看 ndarray 的类型。

1.1.2 查看 ndarray 中元素的类型

1.2 查看维度信息

1.2.1 查看维度数

1.2.2 查看数组大小

1.2.3 查看各维度大小

1.3 查看元素信息

1.3.1 查看元素占用的存储空间

2. 使用函数创建 ndarray

2.1 arange 函数

2.2 linspace 函数

2.3 zeros 函数

2.4 ones 函数

2.5 random() 函数

向阳逐梦

评论