Python多维数组之numpy.array

Numpy

Python中多维数组、矩阵主要是通过Numpy包内的Ndarray对象创建。ndarray中的每个元素在内存中使用相同大小的块，每个元素是数据类型对象的对象(称为 dtype)。基本的ndarray是使用 NumPy 中的数组函数numpy.array创建的。构造器形式如下：

定义数组

import numpy as np

np.array(

object, dtype=None, copy=True, order=None, subok=False, ndmin=0

)

参数列表

参数	说明
object	任何暴露数组接口方法的对象。例如:list,tuple,array…
dtype	数组所需的数据类型；如果没有给出，那么类型将被确定为存储序列中对象所需的最小类型。[可选参数]
copy	如果为true（默认），则复制该对象。[可选参数]
order	指定数组的内存布局。’C’:行优先；’F’:列优先；’A’（任意，默认）。[可选参数]
subok	默认情况下，返回的数组被强制为基类数组。如果为true，则返回子类。[可选参数]
ndimin	指定返回数组的最小维数。[可选参数]

dtype类型

类型	说明
bool	用一个字节存储的布尔类型（True或False）
inti	由所在平台决定其大小的整数（一般为int32或int64）
int8	一个字节大小，-128 至 127
int16	整数，-32768 至 32767
int32	整数，-2 * 31 至 2 * 32 -1
int64	整数，-2 * 63 至 2 * 63 - 1
uint8	无符号整数，0 至 255
uint16	无符号整数，0 至 65535
uint32	无符号整数，0 至 2 ** 32 - 1
uint64	无符号整数，0 至 2 ** 64 - 1
float16	半精度浮点数：16位，正负号1位，指数5位，精度10位
float32	单精度浮点数：32位，正负号1位，指数8位，精度23位
float64或float	双精度浮点数：64位，正负号1位，指数11位，精度52位
complex64	复数，分别用两个32位浮点数表示实部和虚部
complex128或complex	复数，分别用两个64位浮点数表示实部和虚部

一维数组

import numpy as np
a = np.array([1, 2, 3, 4])
print  a
print a.shape
print a.dtype.name
print a.size
print a.itemsize

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

属性输出：

a.shape

………………………..数组维度

a.dtype.name

……………….数据类型

a.size

………………………….数组大小

a.itemsize

…………………..数据内存中占用字节数

打印结果：

[1 2 3 4]
(4L,)
int32
4
4

多维数组

import numpy as np
b = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]], dtype='int16')
print '维数：', b.shape
print '维数1:', b.shape[0]
print '维数2:', b.shape[1]
print '数组大小:', b.size
print '字节数：', b.itemsize
print '维度', b.ndim

结果输出：

维数:  (3L, 4L)
维数1:  3
维数2:  4
数组大小:  12
字节数:  2
维度:  2

参考链接：https://www.cnblogs.com/xzcfightingup/p/7598293.html