python中ndarray的定义

2024年2月3日发(作者：)

Python中ndarray的定义

什么是ndarray

在Python中，ndarray（N-dimensional array）是NumPy库中最重要的数据结构之一。ndarray是一个多维数组对象，用于存储相同类型的元素。它是NumPy库的核心，提供了高性能的数值计算功能。

ndarray与Python的内置列表（list）相似，但具有更多的功能和优势。它可以存储大量的数据，并且能够进行高效的数值计算和操作。ndarray是NumPy库的基础，许多其他NumPy功能都是基于ndarray来实现的。

创建ndarray

在Python中，我们可以使用NumPy库来创建ndarray对象。NumPy提供了许多创建ndarray的方法，下面介绍几种常用的方法。

使用Python列表创建ndarray

我们可以使用Python的列表（list）来创建ndarray对象。通过将列表传递给NumPy的array()函数，可以将列表转换为ndarray。

import numpy as np

# 创建一个一维数组

arr1 = ([1, 2, 3, 4, 5])

print(arr1)

# 输出：[1 2 3 4 5]

# 创建一个二维数组

arr2 = ([[1, 2, 3], [4, 5, 6]])

print(arr2)

# 输出：

# [[1 2 3]

# [4 5 6]]

使用NumPy函数创建ndarray

除了使用Python列表，我们还可以使用NumPy提供的函数来创建ndarray对象。

zeros()函数

zeros()函数可以创建一个全为0的ndarray。我们可以指定数组的形状（维度），例如一维数组、二维数组等。

import numpy as np

# 创建一个一维数组，长度为5，元素全为0

arr1 = (5)

print(arr1)

# 输出：[0. 0. 0. 0. 0.]

# 创建一个二维数组，形状为(2, 3)，元素全为0

arr2 = ((2, 3))

print(arr2)

# 输出：

# [[0. 0. 0.]

# [0. 0. 0.]]

ones()函数

ones()函数可以创建一个全为1的ndarray，用法与zeros()函数类似。

import numpy as np

# 创建一个一维数组，长度为5，元素全为1

arr1 = (5)

print(arr1)

# 输出：[1. 1. 1. 1. 1.]

# 创建一个二维数组，形状为(2, 3)，元素全为1

arr2 = ((2, 3))

print(arr2)

# 输出：

# [[1. 1. 1.]

# [1. 1. 1.]]

arange()函数

arange()函数可以创建一个等差数列的ndarray。我们可以指定起始值、终止值和步长。

import numpy as np

# 创建一个一维数组，起始值为0，终止值为9（不包含），步长为1

arr1 = (0, 10, 1)

print(arr1)

# 输出：[0 1 2 3 4 5 6 7 8 9]

# 创建一个一维数组，起始值为0，终止值为1（不包含），步长为0.1

arr2 = (0, 1, 0.1)

print(arr2)

# 输出：[0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]

linspace()函数

linspace()函数可以创建一个等间距数列的ndarray。我们可以指定起始值、终止值和元素个数。

import numpy as np

# 创建一个一维数组，起始值为0，终止值为1，元素个数为5

arr1 = ce(0, 1, 5)

print(arr1)

# 输出：[0. 0.25 0.5 0.75 1. ]

# 创建一个一维数组，起始值为1，终止值为10，元素个数为10

arr2 = ce(1, 10, 10)

print(arr2)

# 输出：[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]

使用随机数创建ndarray

NumPy还提供了一些函数来创建随机数的ndarray。这些函数可以用于模拟随机实验、生成随机样本等。

random()函数

random()函数可以创建一个指定形状的随机数ndarray，元素的取值范围在0到1之间。

import numpy as np

# 创建一个一维数组，形状为(5,)，元素为0到1之间的随机数

arr1 = (5)

print(arr1)

# 输出：[0.5488135 0.71518937 0.60276338 0.54488318 0.4236548 ]

# 创建一个二维数组，形状为(2, 3)，元素为0到1之间的随机数

arr2 = ((2, 3))

print(arr2)

# 输出：

# [[0.64589411 0.43758721 0.891773 ]

# [0.96366276 0.38344152 0.79172504]]

randint()函数

randint()函数可以创建一个指定范围内的随机整数ndarray。

import numpy as np

# 创建一个一维数组，形状为(5,)，元素为1到10之间的随机整数

arr1 = t(1, 10, 5)

print(arr1)

# 输出：[9 7 6 9 3]

# 创建一个二维数组，形状为(2, 3)，元素为1到10之间的随机整数

arr2 = t(1, 10, (2, 3))

print(arr2)

# 输出：

# [[2 7 3]

# [9 1 8]]

ndarray的属性和方法

ndarray对象具有许多属性和方法，可以用于获取数组的信息、进行数值计算和操作。

属性

ndim属性

ndim属性用于获取数组的维度（即数组的轴数）。

import numpy as np

arr = ([[1, 2, 3], [4, 5, 6]])

print()

# 输出：2

shape属性

shape属性用于获取数组的形状（即数组的维度大小）。

import numpy as np

arr = ([[1, 2, 3], [4, 5, 6]])

print()

# 输出：(2, 3)

size属性

size属性用于获取数组的元素个数。

import numpy as np

arr = ([[1, 2, 3], [4, 5, 6]])

print()

# 输出：6

dtype属性

dtype属性用于获取数组的数据类型。

import numpy as np

arr = ([[1, 2, 3], [4, 5, 6]])

print()

# 输出：int64

方法

reshape()方法

reshape()方法用于改变数组的形状。

import numpy as np

arr = ([1, 2, 3, 4, 5, 6])

new_arr = e((2, 3))

print(new_arr)

# 输出：

# [[1 2 3]

# [4 5 6]]

flatten()方法

flatten()方法用于将多维数组转换为一维数组。

import numpy as np

arr = ([[1, 2, 3], [4, 5, 6]])

new_arr = n()

print(new_arr)

# 输出：[1 2 3 4 5 6]

transpose()方法

transpose()方法用于交换数组的维度。

import numpy as np

arr = ([[1, 2, 3], [4, 5, 6]])

new_arr = ose()

print(new_arr)

# 输出：

# [[1 4]

# [2 5]

# [3 6]]

sum()方法

sum()方法用于计算数组元素的和。

import numpy as np

arr = ([1, 2, 3, 4, 5, 6])

print(())

# 输出：21

mean()方法

mean()方法用于计算数组元素的平均值。

import numpy as np

arr = ([1, 2, 3, 4, 5, 6])

print(())

# 输出：3.5

max()方法和min()方法

max()方法和min()方法分别用于计算数组元素的最大值和最小值。

import numpy as np

arr = ([1, 2, 3, 4, 5, 6])

print(())

# 输出：6

print(())

# 输出：1

总结

本文介绍了Python中ndarray的定义以及如何创建和操作ndarray对象。ndarray是NumPy库中最重要的数据结构之一，用于存储相同类型的元素，并提供了高效的数值计算功能。我们可以使用NumPy库提供的函数来创建ndarray，也可以使用随机数函数生成随机数的ndarray。ndarray具有许多属性和方法，用于获取数组的信息和进行数值计算和操作。通过掌握ndarray的基本概念和常用操作，我们可以更好地使用NumPy库进行数据分析和科学计算。