array()创建多维数组
>>> arr = array([[1,2,3],[4,5,6],[7,8,9]])
>>> print arr
[[1 2 3]
[4 5 6]
[7 8 9]]
arange()用于创建等差数组**与range语法相同arange(start,end,step)
>>> arr = arange(0,10,2)
>>> print arr
[0 2 4 6 8]
数组维度
# 2×3 矩阵
>>> arr = array([arange(3),arange(3)])
>>> arr.shape
(2, 3)
# 维的个数
>>> arr.ndim
2
数据类型
NumPy支持的数据类型有整型，浮点型和复数型，同时支持不同的精度。
查看数据类型
>>> arr = array([1+2j,3+4j,5+6j]) #arr.real 实部 arr.imag 虚部
>>> arr.dtype
dtype('complex128')
#类型所占字节数
>>> arr.dtype.itemsize
16
指定数据类型
>>> arange(5,dtype=float32)
array([ 0., 1., 2., 3., 4.], dtype=float32)
创建自定义数据类型
>>> t = dtype([('name',str,32),('grade',int)])
>>> student = array([('weiss',90),('ruby',89)],dtype=t)
>>> print student
[('weiss', 90) ('ruby', 89)]
>>> student.shape
(2,)
转换元素的类型
arr = arange(4)
arr.astype(float64)
array([ 0., 1., 2., 3.])
多维数组的切片
和python列表相似
# reshape() 改变数组维度 ravel()将数组展开成一维
>>> arr = arange(24).reshape(2,3,4)
>>> print arr
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
>>> arr[0,0,0]
0
>>> arr[0,:,:]
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> arr[0,...]
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> arr[::-1,...]
array([[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]],
[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]]])
>>> arr[0,::-1,-1]
array([11, 7, 3])
矩阵转置
>>> arr = array([[1,2],[3,4]])
>>> arr.transpose()
array([[1, 3],
[2, 4]])
数组合并
#水平组合
>>> a = arange(9).reshape(3,3)
>>> b = a * 2
>>> hstack((a,b))
array([[ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8, 10],
[ 6, 7, 8, 12, 14, 16]])
#垂直组合
>>> vstack((a,b))
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
# 也可以通过concatenate函数来进行组合
# NumPy中维度(dimensions)叫做轴(axis)，轴的个数叫做秩(rank)
>>> concatenate((a,b),axis=0)
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8, 10],
[12, 14, 16]])
# 深度组合
>>> dstack((a,b))
array([[[ 0, 0],
[ 1, 2],
[ 2, 4]],
[[ 3, 6],
[ 4, 8],
[ 5, 10]],
[[ 6, 12],
[ 7, 14],
[ 8, 16]]])
数组分割
>>> a = arange(9).reshape(3,3)
>>> print a
[[0 1 2]
[3 4 5]
[6 7 8]]
# 水平分割
>>> hsplit(a,3)
[array([[0],
[3],
[6]]), array([[1],
[4],
[7]]), array([[2],
[5],
[8]])]
# 垂直分割
>>> vsplit(a,3)
[array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]
# 通过split 指定轴进行分割
>>> split(a,3,axis=1)
[array([[0],
[3],
[6]]), array([[1],
[4],
[7]]), array([[2],
[5],
[8]])]
# 深度分割
# 必须三个维度以上的数组，
>>> a = arange(24).reshape(2,3,4)
>>> dsplit(a,2)
[array([[[ 0, 1],
[ 4, 5],
[ 8, 9]],
[[12, 13],
[16, 17],
[20, 21]]]), array([[[ 2, 3],
[ 6, 7],
[10, 11]],
[[14, 15],
[18, 19],
[22, 23]]])]
flat属性
flat属性将返回一个flatiter对象，可以让我们像遍历一维数组一样遍历多维数组
>>> a = arange(24).reshape(2,3,4)
>>> print a.flat[10]
10
# 获取多个元素
>>> a.flat[[1,2,3,4]]
array([1, 2, 3, 4])
# 对flat属性赋值将导致整个数组的元素都被覆盖
>>> a.flat = 6
>>> print a
[[[6 6 6 6]
[6 6 6 6]
[6 6 6 6]]
[[6 6 6 6]
[6 6 6 6]
[6 6 6 6]]]
# 指定元素进行覆盖
>>> a.flat[[2,4,6,8,10]] = 1
>>> a
array([[[6, 6, 1, 6],
[1, 6, 1, 6],
[1, 6, 1, 6]],
[[6, 6, 6, 6],
[6, 6, 6, 6],
[6, 6, 6, 6]]])
数组转换列表
>>> arr = arange(4).reshape(2,2)
>>> arr.tolist()
[[0, 1], [2, 3]]
创建单位矩阵
>>> a = eye(2)
>>> a
array([[ 1., 0.],
[ 0., 1.]])
# dtype float64
>>> a.dtype
dtype('float64')