点击上方 蓝字 关注我们！
Numpy是Python中较为常用的模块，今天我们就从Numpy的基础应用讲起，非常适合0基础的小白哦，python系列的基础课程也会持续更新。
首先，我们在运用某个模块之前需要先导入这个模块。
import numpy
numpy.__version__
详解Python列表List
创建一个数值型的列表
L = list(range(10))
L
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
type(L[0])
# int
创建一个字符串列表
L2 = [str(c) for c in L]
L2
# ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
# 查看数据类型
type(L2[0])
# str
创建一个异构列表
什么是异构列表？因为Python动态类型特征，所以list里面的元素可以是不同类型，如下所示
L3 = [True, "2", 3.0, 4]
[type(item) for item in L3]
# [bool, str, float, int]
那么这个动态的列表和固定类型的Numpy数组之间的区别是什么呢？请看下图，数组基本上包括一个指向连续数据块的指针；而列表包含一个指向指针块的指针，其中每一个指针对应一个完整的Python对象，因此列表可以用不同的数据类型进行填充。
怎么去理解上面这些专业术语呢？换句话来说，就是Array数组整个数据块共用一个指针，而List每一个元素都有一个指针，所以List具有多元动态性！
Python中的数组Array的数据类型介绍
首先，我们先来了解下Python中Numpy的标准数据类型，如下表所示，包括了整型，浮点型，布尔值等多种类型，可以根据自己的需求选择相应的数据类型。
运用Numpy模块创建简单的Array
Python中内置的数组(array)模块可用于创建统一类型的密集数组，代码里的‘i’是一个动态类型码，表示数据为整型。
import array
L = list(range(10))
A = array.array('i', L)
A
# output array('i', [0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
另外，我们可以给Python的模块取个别名，方便我们之后调用，如下代码示例。
import numpy as np
# 创建一个integer类型的数组:
np.array([1, 4, 2, 5, 3])
Python中的Numpy模块不同于List，其要求数组必须是同一类型的数据，如果数据类型不匹配，Numpy会向上转换，详细情况请看如下示例。np.array([3.14, 4, 2, 3])
# array([ 3.14, 4. , 2. , 3. ])
该示例中，将整型的4，2，3强行转换为float浮点型的数据。
如果你希望明确的设置数组的数据类型，请使用dtype关键字。np.array([1, 2, 3, 4], dtype='float32')
# array([ 1., 2., 3., 4.], dtype=float32)
利用python创建多维嵌套数组。
# 通过循环体创建多维数组
np.array([range(i, i + 3) for i in [2, 4, 6]])
array([[2, 3, 4],
[4, 5, 6],
[6, 7, 8]])
运用Numpy模块和内置函数高效创建Array
np.zeros ()创建数值为0的数组
np.zeros(10, dtype=int)
# array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
np.ones()创建值为1的数组np.ones((3, 5), dtype=float)
# array([[ 1., 1., 1., 1., 1.],
# [ 1., 1., 1., 1., 1.],
# [ 1., 1., 1., 1., 1.]])
np.full()创建任意值的数组np.full((3, 5), 3.14)
array([[ 3.14, 3.14, 3.14, 3.14, 3.14],
[ 3.14, 3.14, 3.14, 3.14, 3.14],
[ 3.14, 3.14, 3.14, 3.14, 3.14]])
np.arange()创建一个现行序列数组下列示例的具体含义为创建一个从0开始到20结束，步长为2的数组。
np.arange(0, 20, 2)
# array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18])
np.linspace()创建一个5个元素的数组，这5个数均匀地分配到0-1np.linspace(0, 1, 5)
# array([ 0. , 0.25, 0.5 , 0.75, 1. ])
np.random.random()创建在0-1之间均匀分布的随机数组成的数组np.random.random((3, 3))
# array([[ 0.99844933, 0.52183819, 0.22421193],
# [ 0.08007488, 0.45429293, 0.20941444],
# [ 0.14360941, 0.96910973, 0.946117 ]])
np.random.normal()创建正太分布的随机数组np.random.normal(0, 1, (3, 3))
# array([[ 1.51772646, 0.39614948, -0.10634696],
# [ 0.25671348, 0.00732722, 0.37783601],
# [ 0.68446945, 0.15926039, -0.70744073]])
np.random.randint()创建随机整型数组np.random.randint(0, 10, (3, 3))
# array([[2, 3, 4],
# [5, 7, 8],
# [0, 5, 0]])
np.eye()创建单位矩阵np.eye(3)
# array([[ 1., 0., 0.],
# [ 0., 1., 0.],
# [ 0., 0., 1.]])
np.empty()创建整型数组成的未初始化的数组，数组的值是内存空间内的任意的值。np.empty(3)
# array([ 1., 1., 1.])
python系列文章持续更新中
往期推荐
你的Python 基础知识是成体系的吗？这套核心知识体系思维导图送给你！
分享数据知识，成就数据理想
京公网安备 11010502036488号