•ndarray一个强大的N维数组对象Array

ndarray的建立(元素默认浮点数)

• 可以利用list列表建立ndarray

import numpy as np
list =[0,1,2,3]
从列表类型建立
x = np.array(list)
print(x)
#[0 1 2 3]

• 可以利用tuple元组建立ndarray

import numpy as np
从元组类型建立
x = np.array((4,5,6,7))
print(x)
#[4 5 6 7]

• 可以从列表和元组混合类型创建(所包含数据个数相同就可混合使用，一般不建议)

x = np.array([list,(4,5,6,7)],dtype=np.float32)
print(x)
#[0,1,2,3,4,5,6,7]

• 利用arange(类似range)

 x = np.arange(10)
print(x)
#[0 1 2 3 4 5 6 7 8 9]

• .ones((n,m)) 生成全1的n*m的数组

x = np.ones((3,6))
print(x)
#[[1. 1. 1. 1. 1. 1.]
# [1. 1. 1. 1. 1. 1.]
#[1. 1. 1. 1. 1. 1.]]

x = np.ones((3,4,5))
print(x)
#[[[1. 1. 1. 1.]
#  [1. 1. 1. 1.]
#  [1. 1. 1. 1.]]

# [[1. 1. 1. 1.]
#  [1. 1. 1. 1.]
#  [1. 1. 1. 1.]]]

• .zeros((n,m))生成全0的n*m的数组

x = np.zeros((3,6),dtype = np.int32)
print(x)
#[[0 0 0 0 0 0]
# [0 0 0 0 0 0]
# [0 0 0 0 0 0]]

• .eye(n)生成对角线为1，其余全为0的方阵

x = np.eye(5)
print(x)
#[[1. 0. 0. 0. 0.]
# [0. 1. 0. 0. 0.]
# [0. 0. 1. 0. 0.]
# [0. 0. 0. 1. 0.]
# [0. 0. 0. 0. 1.]]

• .full(shape,vale)生成一个shape的矩阵，每个元素都是val

x = np.full((3,4),5)
print(x)
#[[5 5 5 5]
# [5 5 5 5]
# [5 5 5 5]]

• .ones_like(x)根据数组x的shape形成一个全为1的数组

x = full((3,4),5)
a = np.ones_like(x)
print(a)
#[[1 1 1 1]
# [1 1 1 1]
# [1 1 1 1]]

• .zeros_likes(x)根据数组x的shape形成一个全为0的数组

x = full((3,4),5)
a = np.zeros_like(x)
print(a)
#[[0 0 0 0]
# [0 0 0 0]
# [0 0 0 0]]

• .full_likes(x)根据数组x的形状生成一个数组,值为val

x = full((3,4),5)
a = np.full_like(x,0)
print(a)
#[[0 0 0 0]
# [0 0 0 0]
# [0 0 0 0]]

• .linespace(begin,end,val,endpoint)根据起止数据等距的填充数据，形成数组

#endpoint默认为True，表示end是其中的元素
x = np.linespace(1,10,4)
print(x)
#[ 1.  4.  7. 10.]
#endpoint为False，表示end不是其中的元素
x = np.linespace(1,10,4,endpoint=True)
print(x)
#[1.   3.25 5.5  7.75]

• .concatenate()将两个或多个数组合并成一个新的数组，axis默认为0

 

#二维
x = np.full((1,2),5)
a = np.ones_like(x)
print(x)
#[[5 5]]
print(a)
#[[1 1]]
x = np.concatenate((a,x))
#[[1 1]
# [5 5]]
print(x)
#三维
x = np.full((2,2,2),5)
a = np.ones_like(x)
print(x)
#[[[5 5]
#  [5 5]]
#
# [[5 5]
#  [5 5]]]
print(a)
#[[[1 1]
#  [1 1]]
#
# [[1 1]
#  [1 1]]]
x = np.concatenate((a,x),axis=1)
print(x)
#[[[1 1]
#  [1 1]
#  [5 5]
#  [5 5]]
#
# [[1 1]
#  [1 1]
#  [5 5]
#  [5 5]]]

#二维
x = np.full((1,2),5)
a = np.ones_like(x)
print(x)
#[[5 5]]
print(a)
#[[1 1]]
x = np.concatenate((a,x))
#[[1 1]
# [5 5]]
print(x)
#三维
x = np.full((2,2,2),5)
a = np.ones_like(x)
print(x)
#[[[5 5]
#  [5 5]]
#
# [[5 5]
#  [5 5]]]
print(a)
#[[[1 1]
#  [1 1]]
#
# [[1 1]
#  [1 1]]]
x = np.concatenate((a,x),axis=1)
print(x)
#[[[1 1]
#  [1 1]
#  [5 5]
#  [5 5]]
#
# [[1 1]
#  [1 1]
#  [5 5]
#  [5 5]]]

#二维
x = np.full((1,2),5)
a = np.ones_like(x)
print(x)
#[[5 5]]
print(a)
#[[1 1]]
x = np.concatenate((a,x))
#[[1 1]
# [5 5]]
print(x)
#三维
x = np.full((2,2,2),5)
a = np.ones_like(x)
print(x)
#[[[5 5]
#  [5 5]]
#
# [[5 5]
#  [5 5]]]
print(a)
#[[[1 1]
#  [1 1]]
#
# [[1 1]
#  [1 1]]]
x = np.concatenate((a,x),axis=1)
print(x)
#[[[1 1]
#  [1 1]
#  [5 5]
#  [5 5]]
#
# [[1 1]
#  [1 1]
#  [5 5]
#  [5 5]]]

#二维
x = np.full((1,2),5)
a = np.ones_like(x)
print(x)
#[[5 5]]
print(a)
#[[1 1]]
x = np.concatenate((a,x))
#[[1 1]
# [5 5]]
print(x)
#三维
x = np.full((2,2,2),5)
a = np.ones_like(x)
print(x)
#[[[5 5]
#  [5 5]]
#
# [[5 5]
#  [5 5]]]
print(a)
#[[[1 1]
#  [1 1]]
#
# [[1 1]
#  [1 1]]]
x = np.concatenate((a,x),axis=1)
print(x)
#[[[1 1]
#  [1 1]
#  [5 5]
#  [5 5]]
#
# [[1 1]
#  [1 1]
#  [5 5]
#  [5 5]]]