Python数据分析(3)-numpy中nd数组的创建

标签：buffer   ogr   类型   address   add   ide   tps   spl   http    ndarray的内存结构 和其他的库一样，每个库都可能有自己独特的数据结构，例如OpenCV，numpy库的多维数组叫做ndarray（ N dimensionality array ），它的内存结构如下图： ndarray的内存结构 在这个结构体中有两个对象，一个是用来描述元素类型的头部区域，一个是用来储存数据的数据区域。（事实上大多数数据类型的数据都是这么储存的）。 2 ndarray对象的创建 2.1 ndarray多维数组的创建常规方法 创建一个3*3的数组并在屏幕打印它以及它的类型和维数：   import numpy as np       x = np.array([[0,1,2],[3,4,5],[6,7,8]],dtype = np.int32)   print(‘这个数组是:‘,x)   print(‘这个数组的数据类型是:‘,x.dtype)   print(‘这个数组的大小：‘,x.shape)[/code]?屏幕输出结果：  ?我们也可以采用更加直接的办法：?```code   import numpy as np   x = np.arange(0,9).reshape(3,3)   print(‘这个数组是:‘,x)   print(‘这个数组的数据类型是:‘,x.dtype)   print(‘这个数组的大小：‘,x.shape)[/code]?屏幕上打印输出的结果和前一种的结果是一样的。?2.2 ndarray多维数组的创建其他方法  除了常规方法，numpy还提供了一些其他的创建方法：  2.2.1 创建全0或者全1的数组?  例如：  ?```code   import numpy as np       x = np.ones([3,3])   print(‘这个数组是:‘,x)   print(‘这个数组的数据类型是:‘,x.dtype)   print(‘这个数组的大小：‘,x.shape)[/code]?```code   >>> x = np.arange(6)   >>> x = x.reshape(2,3)   >>> x       array([[0, 1, 2], [3, 4, 5]])   >>> np.ones_like(x)   array([[1, 1, 1], [1, 1, 1]])   >>> y = np.arange(3, dtype=np.float)   >>> y   array([ 0., 1., 2.])   >>> np.ones_like(y)   array([ 1., 1., 1.])[/code]?当然也可以填充其他的数：?```code   import numpy as np   x = np.full([3,3],np.inf)   print(‘这个数组是:‘,x)   print(‘这个数组的数据类型是:‘,x.dtype)   print(‘这个数组的大小：‘,x.shape)[/code]?打印输出： ?2.2.2 从已存在的数据中创建数组  ?```code   >>> np.array([1, 2, 3])   array([1, 2, 3])       >>> np.array([1, 2, 3.0])   array([ 1., 2., 3.])       >>> np.array([[1, 2], [3, 4]])   array([[1, 2], [3, 4]])       >>> np.array([1, 2, 3], ndmin=2)   array([[1, 2, 3]])       >>> np.array([1, 2, 3], dtype=complex)   array([ 1.+0.j, 2.+0.j, 3.+0.j])       >>> x = np.array([(1,2),(3,4)],dtype=[(‘a‘,‘> x[‘a‘]   array([1, 3])[/code]?2.2.3 创建记录阵列（record array，可能翻译不准）：创建一个阵列，将其他数组集中在一起管理，并可以命名：    例如：?```code   import numpy as np       x1 = np.arange(0,3)   x2 = np.array([‘ff‘,‘hh‘,‘yy‘])   x3 = ([1,2,3])   r = np.core.records.fromarrays([x1,x2,x3],names=‘a,b,c‘)   print(r[2])   print(r.a)[/code]?2.2.4 创建字符数组  numpy提供了专门的函数创建字符数组：np.chararray（）  首先看看它的参数：  Parameters  | ———-  | shape : tuple  | Shape of the array.  | itemsize : int, optional  | Length of each array element, in number of characters. Default is 1.  | unicode : bool, optional  | Are the array elements of type unicode (True) or string (False).  | Default is False.  | buffer : int, optional  | Memory address of the start of the array data. Default is None,  | in which case a new array is created.  | offset : int, optional  | Fixed stride displacement from the beginning of an axis?  | Default is 0. Needs to be >=0.  | strides : array_like of ints, optional  | Strides for the array (see ndarray.strides for full description).  | Default is None.  | order : {‘C’, ‘F’}, optional  | The order in which the array data is stored in memory: ‘C’ ->  | “row major” order (the default), ‘F’ -> “column major”  | (Fortran) order.?```code     Examples     | --------     | >>> charar = np.chararray((3, 3))     | >>> charar[:] = ‘a‘     | >>> charar     | chararray([[‘a‘, ‘a‘, ‘a‘],     |         [‘a‘, ‘a‘, ‘a‘],     |         [‘a‘, ‘a‘, ‘a‘]],     |       dtype=‘|S1‘)     |       | >>> charar = np.chararray(charar.shape, itemsize=5)     | >>> charar[:] = ‘abc‘     | >>> charar     | chararray([[‘abc‘, ‘abc‘, ‘abc‘],     |         [‘abc‘, ‘abc‘, ‘abc‘],     |         [‘abc‘, ‘abc‘, ‘abc‘]],     |       dtype=‘|S5‘)[/code]?2.2.5 创建数值数组  ?```code   import numpy as np       x1 = np.arange(0,3,1)   x2 = np.linspace(0,3,4)   x3 = np.logspace(1,8,3)   x4 = np.mgrid[0:3,0:3]   x5 = np.ogrid[0:3,0:3]   print(x1,x2,x3,x4,x5)[/code]?2.2.6 创建矩阵  ?2.2.7 矩阵类（The matrix class）  ??  Python数据分析(3)-numpy中nd数组的创建标签：buffer   ogr   类型   address   add   ide   tps   spl   http   原文地址：https://www.cnblogs.com/gc2770/p/14960706.html