NumPy 用于处理数组。 NumPy 中的数组对象被称为ndarray
。
我们可以创建一个 NumPyndarray
对象通过使用array()
功能。
类型():这个内置的 Python 函数告诉我们传递给它的对象的类型。就像上面的代码一样,它表明arr
是numpy.ndarray
类型。
创建一个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,它会被转换成ndarray
:
数组中的维度是数组深度的一层(嵌套数组)。
嵌套数组:是以数组为元素的数组。
0 维数组或标量是数组中的元素。数组中的每个值都是一个 0 维数组。
以 0 维数组作为元素的数组称为一维或一维数组。
这些是最常见和基本的数组。
以一维数组作为元素的数组称为二维数组。
这些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,称为numpy.mat
创建一个包含两个数组的二维数组,其值为 1,2,3 和 4,5,6:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
亲自试一试 »
以 2 维数组(矩阵)为元素的数组称为 3 维数组。
这些通常用于表示三阶张量。
创建一个包含两个 2-D 数组的 3-D 数组,这两个数组都包含两个值为 1,2,3 和 4,5,6 的数组:
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
亲自试一试 »
NumPy 数组提供了ndim
返回一个整数的属性,该整数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)
亲自试一试 »
数组可以有任意数量的维度。
创建数组时,您可以使用以下命令定义维数:ndmin
参数。
创建一个 5 维数组并验证它是否具有 5 维:
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
亲自试一试 »
在此数组中,最里面的维度(第 5 个维度)有 4 个元素,第 4 个维度有 1 个元素,即向量,第 3 个维度有 1 个元素,即带有向量的矩阵,第 2 个维度有 1 个元素,即 3D 数组,第一个维度有 1 个 4D 数组元素。
截取页面反馈部分,让我们更快修复内容!也可以直接跳过填写反馈内容!