手册目录
Python 教程
Python 机器学习
Python MySQL
NumPy 用于处理数组。 NumPy 中的数组对象称为 ndarray。
我们可以使用 array() 函数创建一个 NumPy ndarray 对象。
import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr) print(type(arr))
运行实例
type(): 这个内置的 Python 函数告诉我们传递给它的对象的类型。像上面的代码一样，它表明 arr 是 numpy.ndarray 类型。
要创建 ndarray，我们可以将列表、元组或任何类似数组的对象传递给 array() 方法，然后它将被转换为 ndarray：
使用元组创建 NumPy 数组：
import numpy as np arr = np.array((1, 2, 3, 4, 5)) print(arr)
运行实例
数组中的维是数组深度（嵌套数组）的一个级别。
嵌套数组：指的是将数组作为元素的数组。
0-D 数组，或标量（Scalars），是数组中的元素。数组中的每个值都是一个 0-D 数组。
用值 61 创建 0-D 数组：
import numpy as np arr = np.array(61) print(arr)
运行实例
其元素为 0-D 数组的数组，称为一维或 1-D 数组。
这是最常见和基础的数组。
创建包含值 1、2、3、4、5、6 的 1-D 数组：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6]) print(arr)
运行实例
其元素为 1-D 数组的数组，称为 2-D 数组。
它们通常用于表示矩阵或二阶张量。
NumPy 有一个专门用于矩阵运算的完整子模块 numpy.mat。
创建包含值 1、2、3 和 4、5、6 两个数组的 2-D 数组：
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr)
运行实例
其元素为 2-D 数组的数组，称为 3-D 数组。
用两个 2-D 数组创建一个 3-D 数组，这两个数组均包含值 1、2、3 和 4、5、6 的两个数组：
import numpy as np arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]]) print(arr)
运行实例
NumPy 数组提供了 ndim 属性，该属性返回一个整数，该整数会告诉我们数组有多少维。
检查数组有多少维：
import numpy as np a = np.array(42) b = np.array([1, 2, 3, 4, 5]) c = np.array([[1, 2, 3], [4, 5, 6]]) d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]]) print(a.ndim) print(b.ndim) print(c.ndim) print(d.ndim)
运行实例
数组可以拥有任意数量的维。
在创建数组时，可以使用 ndmin 参数定义维数。
创建一个有 5 个维度的数组，并验证它拥有 5 个维度：
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
运行实例
在此数组中，最里面的维度（第 5 个 dim）有 4 个元素，第 4 个 dim 有 1 个元素作为向量，第 3 个 dim 具有 1 个元素是与向量的矩阵，第 2 个 dim 有 1 个元素是 3D 数组，而第 1 个 dim 有 1 个元素，该元素是 4D 数组。
相关视频
科技资讯
24小时阅读榜
1
2
3
4
5
6
7
8
9
10
精品课程
共5课时 | 17.4万人学习
共49课时 | 78.2万人学习
共29课时 | 62.5万人学习
共25课时 | 39.7万人学习
共43课时 | 73.8万人学习
