（数据分析三板斧）第一斧Numpy-第二节：生成数组数组属性和切片

Posted 2022-04-19 快乐江湖

• 部分参考：菜鸟教程

文章目录

• 一：生成数组
• • （1）由底层ndarray构造器创建：np.arrary()
  • （2）其他创建方法
  • （3）特殊数组创建方法
• 二：数组属性
• • （1）N维数组-ndarray
  • （2）轴的概念（axis）
  • （3）ndarray属性
• 三：索引和切片
• • （1）基本操作
  • （2）高级操作

一：生成数组

（1）由底层ndarray构造器创建：np.arrary()

上一节简单说明了array()函数的用法，其完整形式如下

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

• object ：数组或嵌套的数列
• dtype ：数组元素的数据类型，可选
• copy ：对象是否需要复制，可选
• 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一致的数组
• ndmin：指定生成数组的最小维度

a = np.array([[1, 2, 3], [3, 4, 5], [5, 6, 7], [7, 8, 9]], dtype=complex)
print(a)

（2）其他创建方法

①：可以使用fill()方法将数组设定为指定值

• 注意：如果fill()中传入的数据类型和原有数组中数据的类型不一致时，会向原有的类型发生转换

a = np.zeros(10, dtype=int)
a.fill(5)  # 全部填充为5
print(a)

（3）特殊数组创建方法

①：生成全0或全1的数组

• 默认是浮点数，如果需要其他类型，使用dtype指定即可

a = np.zeros(5)  # 5个元素
b = np.ones(5, dtype=int)  # 5个元素
print(a)
print(b)

---

②：使用arange()生成整数序列，它会根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray，它的基本格式如下

numpy.arange(start, stop, step, dtype)

• start：起始值，默认为0
• stop：终止值（不包含）
• step：步长，默认为1
• dtype：数据类型

比如

a = np.arange(0, 10, 2, int)
print(a)

---

③：使用linspace()生成等差数列，它的基本格式如下

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

• start：序列的起始值
• stop：序列的终止值，如果endpoint为true，该值包含于数列中
• num：要生成的等步长的样本数量，默认为50
• endpoint：该值为 true 时，数列中包含stop值，反之不包含，默认是True
• retstep：如果为 True 时，生成的数组中会显示间距，反之不显示
• dtype：数据类型

比如

a = np.linspace(1, 10, 10)
b = np.linspace(10, 20, 5, endpoint=False, dtype=int)  # 不包含终止值
print(a)
print(b)

④：使用random.rand()等函数生成随机数

• 读者可自行查阅相关文档，探索更多的随机数生成方法

a = np.random.rand(5)
b = np.random.randn(5)  # 满足正态分布
c = np.random.randint(1, 10, 10)  # 10个随机整数
print(a)
print(b)
print(c)

二：数组属性

（1）N维数组-ndarray

NumPy最核心的数据类型是N维数组The N-dimensional array (ndarray)，可以看成homogenous(同质) items的集合，与只密切相关的两种类型是Data type objects (dtype)和Scalars

• 数据类型对象(np.dtype)：用来描述与数组对应的内存区域如何使用。比如数据的类型、大小等
• NumPy数据类型(scalar types)：上一节已有介绍

如下是常见的1维、2维、3维数组

---

Numpy操作的对象就是数组，也即ndarray，这一点可以通过type()验证

a = np.random.randint(1, 10, 10)  # 10个随机整数
print(type(a))

（2）轴的概念（axis）

Numpy数组的维数称之为秩（rank），秩表示轴的数量；在Numpy中每一个线性的数组称为一个轴（axis）

类似于笛卡尔坐标系，简单的二维坐标系只有$x$轴和$y$轴，使用它们可以平面空间中唯一确定一个位置

而Numpy中的轴指的就是行、列的方向

• axis=0：表示沿着第 0 轴进行操作，即对每一列进行操作
• axis=1：表示沿着第1轴进行操作，即对每一行进行操作

（3）ndarray属性

属性	说明
ndarrary.ndim	秩（轴的数量或者维度）
ndarray.shape	数组的维度，对于矩阵，n 行 m 列
ndarray.size	数组元素的总个数，相当于 .shape 中 n*m 的值
ndarray.dtype	ndarray 对象的元素类型
ndarray.itemsize	ndarray 对象中每个元素的大小，以字节为单位
ndarray.flags	ndarray 对象的内存信息
ndarray.real	ndarray元素的实部
ndarray.imag	ndarray元素的虚部

a = np.zeros((3, 4, 2), dtype=int)  # 三维数组
print(a.ndim)
print(a.shape)
print(a.size)
print(a.dtype)
print(a.itemsize)
print(a.flags)

#  结果
3
(3, 4, 2)
24
int32
4
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

另外注意flags 所列信息含义

三：索引和切片

• 和Python中的list一样，ndarray对象的内容可以通过索引或切片来访问和修改

（1）基本操作

①：最基本的索引访问

a = np.random.randint(0, 10, size=[3, 3])  # 二维随机整数
print(a)
print(a[0])
print(a[0][2])

修改也是没有问题的

a = np.random.randint(0, 10, size=[3, 3])  # 二维随机整数
print(a)
a[0] = [9, 9, 9]
print(a)

---

②：切片可以通过start:stop:step来操作

a = np.random.randint(0, 10, size=[3, 3])  # 二维随机整数
print(a)
print(a[0:2:1])

同样支持负索引

a = np.random.randint(0, 10, size=[3, 3])  # 二维随机整数
print(a)
print(a[-2::1])

（2）高级操作

• 暂略

创作挑战赛 新人创作奖励来咯，坚持创作打卡瓜分现金大奖