NumPy教程-Python中的numpy.array()

整理：python架构师

NumPy中的同质多维数组是主要对象。它基本上是一个由元素组成的表，所有元素的类型都相同，并由一组正整数的元组索引。在NumPy中，这些维度被称为轴。

NumPy的数组类称为ndarray或别名数组。numpy.array与标准Python库的array.array类不同。array.array仅处理一维数组并提供较少的功能。

语法

numpy. array (object, dtype=None, copy= True , order= ’K’ , subok= False , ndmin= 0 )

参数

在numpy.array()函数中有以下参数。

1) object: array_like

任何对象，它暴露出一个数组接口，其array方法返回任何嵌套序列或数组。

2) dtype : 可选的数据类型

此参数用于定义数组元素的所需参数。如果不定义数据类型，则它将确定类型，以便将对象保留在序列中所需的最小类型。此参数仅用于向上转换数组。

3) copy: 布尔型（可选）

如果我们将copy设置为true，则会复制对象，否则当对象是嵌套序列时，或者需要满足任何其他要求（如dtype、order等）时，将进行复制。

4) order : {’K’, ’A’, ’C’, ’F’}，可选

order参数指定数组的内存布局。当对象不是数组时，新创建的数组将在C顺序（行头或行主要）中，除非指定了’F’。当指定了F时，它将在Fortran顺序（列 头或列主要）中。 当对象是数组时，它保持以下顺序。

order	no copy	copy=True
’K’	保持不变	保留F和C顺序。
’A’	保持不变	当输入是F且不是C时，F顺序，否则C顺序
’C’	C顺序	C顺序
’F’	F顺序	F顺序

当copy=False或为其他原因 进行复制时，结果将与copy=True相同，A的某些异常情况除外。 默认顺序为’K’。

5) subok : 布尔型（可选）

当subok=True时，子类将被传递，否则返回的数组将强制成基类数组（默认）。

6) ndmin : 整数（可选）

此参数指定所需的结果数组应具有的最小维数。可以根据需要在形状前面添加用户。

资源分享

点击领取：最全Python资料合集

返回值

numpy.array()方法返回一个ndarray。ndarray是一个满足指定要求的数组对象。

示例1：numpy.array()

import numpy as np arr = np.array([1,2,3]) arr

输出：

array ([ 1 , 2 , 3 ])

在上面的代码中

• 我们导入了别名为np的numpy库。

• 我们声明了变量’arr’并将值分配为np.array()函数返回的值。

• 在array()函数中，我们只传递了元素，没有传递轴。

• 最后，我们尝试打印arr的值。

输出中显示了一个数组。

示例2：

import numpy as np arr = np.array([1,2.,3.]) arr

输出：

array ([ 1. , 2. , 3. ])

在上面的代码中

• 我们导入了别名为np的numpy库。

• 我们声明了变量’arr’并将值分配为np.array()函数返回的值。

• 在array()函数中，我们传递了不同类型的元素，例如整数、浮点数等。

• 最后，我们尝试打印arr的值。

输出中显示了一个数组，其中的元素类型为能够容纳序列中的对象所需的最小类型。

示例3：多于一个维度

import numpy as np arr = np.array([[1,2.,3.],[4.,5.,7]]) arr

输出：

array ( [[1., 2., 3.] , [4., 5., 7.] ])

在上面的代码中

• 我们导入了别名为np的numpy库。

• 我们声明了变量’arr’并将值分配为np.array()函数返回的值。

• 在array()函数中，我们通过不同的方括号传递了元素的数量。

• 最后，我们尝试打印arr的值。

输出中显示了一个多维数组。

示例4：最小维度：2

import numpy as np arr = np.array([1,2.,3.],ndmin=2) arr

输出：

array ([[ 1. , 2. , 3. ]])

在上面的代码中

• 我们导入了别名为np的numpy库。

• 我们声明了变量’arr’并将值分配为np.array()函数返回的值。

• 在array()函数中，我们通过方括号传递了元素的数量和创建ndarray的维度。

• 最后，我们尝试打印arr的值。

输出中显示了一个二维数组。

示例5：提供类型

import numpy as np arr=np. array ([ 12 , 45. , 3. ],dtype= complex ) arr

输出：

array ([ 12. + 0. j, 45. + 0. j, 3. + 0. j])

在上面的代码中

• 我们导入了别名为np的numpy库。

• 我们声明了变量’arr’并将值分配为np.array()函数返回的值。

• 在array()函数中，我们通过方括号传递了元素，并将dtype设置为complex。

• 最后，我们尝试打印arr的值。

输出中的’arr’元素的值以复数形式显示。

示例6：从子类创建数组

import numpy as np arr=np. array (np.mat( ’1 2;3 4’ )) arr arr=np. array (np.mat( ’1 2;3 4’ ),subok= True ) arr

输出：

array ( [[1, 2] , [3, 4] ]) matrix ( [[1, 2] , [3, 4] ])

在上面的代码中

• 我们导入了别名为np的numpy库。

• 我们声明了变量’arr’并将值分配为np.array()函数返回的值。

• 在array()函数中，我们通过np.mat()函数以矩阵形式传递了元素，并设置subok=True。

• 最后，我们尝试打印arr的值。

输出中显示了一个多维数组。

 

热门推荐

• 替代for循环，让Python代码更pythonic !

• NumPy教程-NumPy中的矩阵乘法（Matrix Multiplication）

• SQL 常用脚本大全