NumPy(一)：數組

nadarray

Numpy最重要的一個特點就是N維數組對象（nadarray），該對象是一個快速而靈活的大數據集容器。

a.創建nadarray

np.array(data)

data1 = [1,2,3,4]
arr1 = np.array(data1)
arr1
#array([1, 2, 3, 4])

除了np.array(data)可以創建數組，zeros和ones也可以創建指定形狀全爲0或全爲1的數組，empty可以創建一個沒有任何具體指的數組。

np.zeros((3,6))

array([[0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.]])

np.empty((2,2))

array([[7.50639772e-312, 3.21450328e+164],
       [1.85692977e+216, 1.99392236e-077]])

其他數組創建函數

函數	說明
array	將列表，元組，數組或其他有序類型轉化爲ndarray
asarray	將輸入數據轉化爲ndarray，如果本身就是ndarray就不進行復制
arange	類似於range，但返回的是nadarray而不是列表
ones，ones_like	創建一個指定形狀全爲1的數組，ones_like以另一個數組爲參考，根據其形狀創建
zeros，zeros_like_	同上
empty，empty_ike	創建新數組，只分配空間不填充任何值
eye，identity	創建一個正方N*N的單位矩陣（對角線爲1，其餘爲0）

array與asarray的區別
當數據源是ndarray時，array仍會copy出一個副本，佔用新的內存，但asarray不會

#輸入數據不是ndarray類型 array與asarray一樣
data1=[[1,1,1],[1,1,1],[1,1,1]]  
arr2=np.array(data1)  
arr3=np.asarray(data1)  
data1[1][1]=2  
print('data1:\n',data1)  
print('arr2:\n',arr2) 
print('arr3:\n',arr3)

data1:
 [[1, 1, 1], [1, 2, 1], [1, 1, 1]]
arr2:
 [[1 1 1]
 [1 1 1]
 [1 1 1]]
arr3:
 [[1 1 1]
 [1 1 1]
 [1 1 1]]

#輸入數據是ndarray類型 array與asarray的不同
arr1=np.ones((3,3))  
arr2=np.array(arr1)  
arr3=np.asarray(arr1)  
arr1[1]=2  
print('arr1:\n',arr1)  
print('arr2:\n',arr2) 
print('arr3:\n',arr3)

arr1:
 [[1. 1. 1.]
 [2. 2. 2.]
 [1. 1. 1.]]
arr2:
 [[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]
arr3:
 [[1. 1. 1.]
 [2. 2. 2.]
 [1. 1. 1.]]

zeros_like使用方法

data2 = np.array(
    [[1,2,3],
    [4,5,6]]
)
np.zeros_like(data2)

array([[0, 0, 0],
       [0, 0, 0]])

numpy.eye()與np.identity()

numpy.eye(N,M=None,k=0,dtype=<class 'float'>,order='C)
（1）N:int型，表示的是輸出的行數

（2）M：int型，可選項，輸出的列數，如果沒有就默認爲N

（3）k：int型，可選項，對角線的下標，默認爲0表示的是主對角線，負數表示的是低對角，正數表示的是高對角。

（4）dtype：數據的類型，可選項，返回的數據的數據類型

（5）order：{‘C’，‘F'}，可選項，也就是輸出的數組的形式是按照C語言的行優先’C'，還是按照Fortran形式的列優先‘F'存儲在內存中

import numpy as np
 
a=np.eye(3)
print(a)
 
a=np.eye(4,k=1)  #右上移動1
print(a)
 
a=np.eye(4,k=-1)
print(a)
 
a=np.eye(4,k=-3)

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
[[0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]
 [0. 0. 0. 0.]]
[[0. 0. 0. 0.]
 [1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]]
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]

np.identity(n,dtype=None)
參數：n，int型表示的是輸出的矩陣的行數和列數都是n

dtype：表示的是輸出的類型，默認是float

返回的是nxn的主對角線爲1，其餘地方爲0的數組

import numpy as np
 
a=np.identity(3)
print(a)

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

b.ndarray的屬性

屬性	說明
ndarray.shape	數組維度的元組
ndarray.ndim	數組維度
ndarray.size	數組中的元素量
ndarray.itemsize	一個數組元素的長度（字節）
ndarray.dtype	數組元素的類型

data2 = np.array(
    [[1,2,3],
    [4,5,6]]
)
print('data2.shape:',data2.shape)
print('data2.ndim:',data2.ndim)
print('data2.size:',data2.size)
print('data2.itemsize:',data2.itemsize)
print('data2.dtype:',data2.dtype)

data2.shape: (2, 3)
data2.ndim: 2
data2.size: 6
data2.itemsize: 4
data2.dtype: int32

c.ndarray的類型

arr1 = np.array([1,2,3],dtype = np.float64)
arr2 = np.array([1,2,3],dtype = np.int32)
print(arr1.dtype)
print(arr2.dtype)

float64
int32

Numpy的dtype有：浮點數，複數，整數，布爾值，字符串，還有python對象。
修改dtype的值ndarray.astype

arr = np.array([1,2,3],dtype = np.float64)
float_arr = arr.astype(np.float)
print(float_arr.dtype)

float64