numpy_ndarry的创建及数据类型
ndarray 多维数组（N Dimension Array）
NumPy数组是一个多维的数组对象（矩阵），称为ndarray，具有矢量算数运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点
创新互联专注为客户提供全方位的互联网综合服务，包含不限于成都网站设计、成都网站制作、遂溪网络推广、小程序设计、遂溪网络营销、遂溪企业策划、遂溪品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们最大的嘉奖；创新互联为所有大学生创业者提供遂溪建站搭建服务，24小时服务热线：18982081108，官方网址：www.cdcxhl.com
注意：ndarray的下标从0开始，且数组里的所有元素必须是相同类型
ndarray拥有的属性
1.ndim属性：维度个数
2.shape属性：纬度大小
3.dtype属性：数据类型
ndarray的随机创建
通过随机抽样（numpy.random）生成随机数据
示例代码：
# 导入numpy， 别名np
imort numpy as np
# 生成指定维度大小（3行4列）的随机多维浮点型数据（二维），rand固定区间0.0 ~ 1.0
arr = np.random.rand(3, 4)
print(arr)
print(type(arr))
# 生成指定维度大小（3行4列）的随机多维整型数据（二维），randint()可以指定区间（-1 ~ 5）
arr = np.random.randint(-1, 5, size = (3, 4)) # 'size='可省略
print(arr)
print(type(arr))
# 生成指定维度大小（3行4列）的随机多维浮点型数据（二维），uniform()可以指定区间（-1 ~ 5）
arr = np.random.uniform(-1, 5, size = (3, 4)) # 'size='可省略
print(arr)
print(type(arr))
print('维度个数: ', arr.ndim)
print('维度大小: ', arr.shape)
print('数据类型: ', arr.dtype)
运行结果：
[[ 0.09371338 0.06273976 0.22748452 0.49557778]
[ 0.30840042 0.35659161 0.54995724 0.018144 ]
[ 0.94551493 0.70916088 0.58877255 0.90435672]]
[[ 1 3 0 1]
[ 1 4 4 3]
[ 2 0 -1 -1]]
[[ 2.25275308 1.67484038 -0.03161878 -0.44635706]
[ 1.35459097 1.66294159 2.47419548 -0.51144655]
[ 1.43987571 4.71505054 4.33634358 2.48202309]]
维度个数: 2
维度大小: (3, 4)
数据类型: float64 ndarray的序列创建
- np.array(collection)
collection 为序列型对象（list)、嵌套序列对象（list of list)。
示例代码：
# list序列转换为ndarray
lis = range(10)
arr = np.array(lis)
print(arr) # ndarray数据
print(arr.ndim) # 维度个数
print(arr.shape) # 维度大小
# list of list嵌套序列转换为ndarray
lis_lis = [range(10), rarnge(10)]
arr = np.array(lis_lis)
print(arr) # ndarray数据
print(arr.ndim) # 维度个数
print(arr.shape) # 维度大小运行结果：
# list序列转换为 ndarray
[0 1 2 3 4 5 6 7 8 9]
1
(10,)
# list of list嵌套序列转换为 ndarray
[[0 1 2 3 4 5 6 7 8 9]
[0 1 2 3 4 5 6 7 8 9]]
2
(2, 10)- np.zeros()
指定大小的全0数组。注意：第一个参数是元组，用来指定大小，如（3，4）。
- np.ones()
指定大小的全1数组。注意：第一个参数是元组，用来指定大小，如（3，4）。
- np.empty()
初始化数组，不是总是返回全0，有时返回的是未初始的随机值（内存里的随机值）。
示例代码（2，3，4）：
# np.zeros
zeros_arr = np.zeros((3, 4))
# np.ones
ones_arr = np.ones((2, 3))
# np.empty
empty_arr = np.empty((3, 3))
# np.empty 指定数据类型
empty_int_arr = np.empty((3, 3), int)
print('------zeros_arr------`)
print(zeros_arr)
print('\n------ones_arr------`)
print(ones_arr)
print('\n------empty_arr------`)
print(empty_arr)
print('\n------empty_int_arr------`)
print(empty_int_arr)运行结果：
------zeros_arr-------
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]
------ones_arr-------
[[ 1. 1. 1.]
[ 1. 1. 1.]]
------empty_arr-------
[[ 0. 0. 0.]
[ 0. 0. 0.]
[ 0. 0. 0.]]
------empty_int_arr-------
[[0 0 0]
[0 0 0]
[0 0 0]]- np.arrange()和reshape()
arange()类似python的range(), 创建一个一维ndarray数组。
reshape()将重新调整数组的维数
示例代码（5）：
# np.arange()
arr = np.arange(15) # 15个元素的一维数组
print(arr)
print(arr.reshape(3, 5)) # 3*5个元素的二维数组
print(arr.reshape(1, 3, 5)) # 1*3*5个元素的三维数组运行结果：
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]
[[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]]- np.arange()和random.shuffle()
random.shuffle()将打乱数组序列（类似于洗牌）
示例代码（6）：
arr = np.arange(15)
print(arr)
np.random.shuffle(arr)
print(arr)
print(arr.reshape(3, 5))运行结果：
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
[ 5 8 1 7 4 0 12 9 11 2 13 14 10 3 6]
[[ 5 8 1 7 4]
[ 0 12 9 11 2]
[13 14 10 3 6]]ndarray的数据类型
dtype参数
指定数组的数据类型，类型名+位数，如float64, int32
- astype方法
转换数组的数据类型
示例代码（1、2）：
# 初始化3行4列数组，数据类型为float64
zeros_float_arr = np.zeros((3,4), dtype = np.float64)
print(zeros_float_arr)
print(zeros_float_arr.dtype)
# astype转换数据类型，将已有的数组的数据类型转换为int32
zeros_int_arr = zeros_float_arr.astype =(np. int32)
print(zeros_int_arr)
print(zeros_int_arr.dtype)运行结果：
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]
float64
[[0 0 0 0]
[0 0 0 0]
[0 0 0 0]]
int32新闻标题：numpy_ndarry的创建及数据类型
文章出自：http://pwwzsj.com/article/iehdgg.html
