安装numpy

通过python pip安装numpy

pip install numpy

numpy ndarray对象

创建ndarray对象只需调用numpy的array函数即可

numpy.array(object , dtype = None , copy = True , order = None , subok = False , ndmin = 0)

参数	描述
object	数组或嵌套的数列
dtype	数组元素的数据类型
copy	对象是否需要复制
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基类类型相同的数组
ndmin	指定生成数组的最小维度

import numpy as np

array=np.array([1,2,3])
print(array)

[1 2 3]

array=np.array([[1,2],[3,4]])
print(array)

[[1 2]
 [3 4]]

#最小维度测试
array=np.array([1,2,3],ndmin=2)
print(array)

[[1 2 3]]

#dtype参数测试
array=np.array([1,2,3],dtype=float)
print(array)

[1. 2. 3.]

numpy常用数据类型

类型	类型代码	描述
int8、uint8	i1、u1	有符号和无符号的8位（1个字节）整型
int16、uint16	i2、u2	有符号和无符号的16位（2个字节）整型
int32、uint32	i4、u4	有符号和无符号的32位（4个字节）整型
int64、uint64	i8、u8	有符号和无符号的64位（8个字节）整型
float16	f2	半精度浮点数，包括：1个符号位，5个指数位，10个尾数位
float32	f4或f	标准的单精度浮点数，包括：1个符号位，8个指数位，23个尾数位。与C的float兼容
float64	f8或d	标准的单精度浮点数，包括：1个符号位，11个指数位，52个尾数位。与C的double和Python的float对象兼容
complex64、complex128	c8、c16	分别用两个32位、64位浮点数表示的复数
bool	?	布尔数据类型（表示True或False）

数据类型对象（dtype）

dtype对象使用dtype函数构造

numpy.dtype(object , align , copy)

参数	描述
object	要转化为的数据对象
align	如果为True，使其形成类似C的结构体
copy	复制dtype对象，如果为False，则是对内置函数类型对象的引用

import numpy as np

#使用标量类型
dt=np.dtype(np.int64)
print(dt)

int64

#使用类型代码

dt=np.dtype('u8')
print(dt)

uint64

array=np.array([1,2,3],dtype=float)
print(array)
print(array.dtype)

[1. 2. 3.]
float64

ndarray对象属性

ndarray对象属性有：

属性	描述
ndarray.ndim	秩，即轴的数量或维度的数量
ndarray.shape	数组的维度，对应矩阵，m行n列
ndarray.size	数组元素的个数，相当于.shape中的m*n的值
ndarray.dtype	ndarray对象的元素类型
ndarray.itemsize	ndarray对象每个元素的大小，以字节为单位
ndarray.flags	ndarray对象的内存信息
ndarray.real	ndarray对象的实部
ndarray.imag	ndarray对象的虚部

import numpy as np

#ndim属性
array_a=np.array([1,2,3,4,5,6,7,8])
print(array_a)
print(array_a.ndim)

#调整大小
array_b=array_a.reshape(2,2,2)
print(array_b)
print(array_b.ndim)

[1 2 3 4 5 6 7 8]
1
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]
3

#shape属性
array=np.array([[1,2],[3,4]])
print(array)
print(array.shape)

#调整大小
array.shape=(4,1)
print(array)

#通过reshape函数调整大小
array=array.reshape(1,4)
print(array)

[[1 2]
 [3 4]]
(2, 2)
[[1]
 [2]
 [3]
 [4]]
[[1 2 3 4]]

#itemsize属性
array_a=np.array([1,2,3],dtype=np.int64)
print(array_a.itemsize)

array_b=np.array([1,2,3],dtype=np.int8)
print(array_b.itemsize)

8
1