1、Numpy ndarray对象
numpy ndarray对象是一个n维数组对象，ndarray只能存储一系列相同元素。
#一维数组[1,2,3,4]#shape(4,)#二维数组[[1,2,3,4]]#shape(1,4)[[1,2,3,4], [5,6,7,8]]#shape(2,4)#三维数组[ [[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]]]#shape(2,2,3)2、创建numpy数组
numpy.array()使用说明：object是必须输入的参数，其余为可选参数。
import numpy as npnp.array(object，dtype,copy=True,order,ndmin,subok=Fasle)#object: 一个数组序列，例如[1,2,3,4]#dtype: 更改数组内的数据类型#copy: 数据源是ndarray时数组能否被复制，default=True#order: 选择数组的内存布局，C(行序列)|F(列序列)|A(默认)#ndmin: 数组维度#subok: bool类型，True，使用object的内部数据类型；False,使用object的数组的数据类型，default=Fasle创建存储元素类型不同的数组：
#int型import numpy as npa=np.array([1,2,3,4],dtype=int)#"dtype="可省略print(a)a.dtype'''输出：[1 2 3 4]dtype('int32')'''#float型b=np.array([1,2,3,4],dtype=float)print(b)b.dtype'''输出：[1. 2. 3. 4.]dtype('float64')'''创建生成器：
a=np.array([i*10 for i in range(10)])print(a)b=np.array([i+2 for i in range(10)])print(b)'''输出：[ 0 10 20 30 40 50 60 70 80 90][ 2 3 4 5 6 7 8 9 10 11]'''当输入的object元素有不同类型时,将保留存储空间最大的类型：
x1=np.array([1,2,3,4,5.1])print(x1)x2=np.array([1,2,3,'a'])print(x2)x3=np.array([1,2.1,'a'])print(x3)'''输出：[1. 2. 3. 4. 5.1]['1' '2' '3' 'a']['1' '2.1' 'a']'''当多维数组元素个数不一致时：
x=np.array([[1,2,3],[1,2,3,4],[1,2,3,4,5]],dtype=object) #存储长度不一致序列时，应有“dtype=object”，否则会报错print(x)print(x.shape)print(x.ndim)#输出数组的维度，2Darray强制转换成1Darray'''输出：[list([1, 2, 3]) list([1, 2, 3, 4]) list([1, 2, 3, 4, 5])](3,)1'''float强制转化int(向下取整)：
a=np.array([1,2,3.1],int)b=np.array([1,2,3.7],int)print(a)print(b)'''输出：[1 2 3][1 2 3]'''用copy参数定义是否创建副本：
#默认copy=True情况下，复制创建x1的副本为x2x1=np.array([1,2,3])x2=np.array(x1)print('x1 ',id(x1),'x2',id(x2))#更改x2的值，x1的值不会发生改变，反之，修改x1的值，x2也不会发生改变，因为二者地址不同x2[2]=100print('x1',x1)print('x2',x2)'''输出：x1 2055556179312 x2 2055300844976 x1 x2地址不同x1 [1 2 3]x2 [ 1 2 100]'''#copy=Fasle情况下，复制创建x1的副本为x2x1=np.array([1,2,3])x2=np.array(x1,copy=False) print('x1 ',id(x1),'x2',id(x2))#更改x2的值，x1的值会发生改变,且x1永远等于x2，因为二者地址相同x2[2]=100print('x1',x1)print('x2',x2)'''输出：x1 2055300125584 x2 2055300125584 x1 x2地址相同x1 [ 1 2 100]x2 [ 1 2 100]'''#另一种创建副本方法：copy() 这种方法更常用x1=np.array([1,2,3])x2=x1.copy()print('x1 ',id(x1),'x2',id(x2))#更改x2的值，x1的值不会发生改变x2[2]=100print('x1',x1)print('x2',x2)'''输出：x1 2055556233040 x2 2055556062160x1 [1 2 3]x2 [ 1 2 100]'''ps:如果直接用 x2=x1 的形式复制array,此时x1 x2 共用同一个地址
用ndmin改变数组维度(升维有效，降维无效)：
a=np.array([1,2,3,4],ndmin=2)print('a ',a)b=np.array([[1,2],[1,2]],ndmin=3)print('b ',b)#2D降维成1D，但输出结果仍为2Dc=np.array([[1,2],[1,2]],ndmin=1)print('c ',c)'''输出：a [[1 2 3 4]]b [[[1 2] [1 2]]]c [[1 2] [1 2]]'''用subok参数(bool值)确定数据类型：
x1=np.mat([1,2,3])a1=np.array(x1) #存储为原类型b1=np.array(x1,subok=True) #存储为数组类型print('x1 ',type(x1),'a1 ',type(a1),'b1 ',type(b1))#原始格式为list，无论subok为何值都转换成数组类型x2=[[1,2],[1,2],[1]]a2=np.array(x2,dtype=object) #存储为原类型b2=np.array(x2,dtype=object,subok=True) #存储为数组类型print('x2 ',type(x2),'a2 ',type(a2),'b2 ',type(b2))'''输出：x1 a1 b1 x2 a2 b2 ''' 来源地址：https://blog.csdn.net/weixin_47097527/article/details/127649907
