NumPy(1)-常用的初始化方法

一、NumPy介紹

　　NumPy是Python中科學計算的基礎包，它是一個Python庫，提供多維陣列物件，各種派生物件（如掩碼陣列和矩陣），以及用於陣列快速操作的各種API，有包括數學、邏輯、形狀操作、排序、選擇、輸入輸出、離散傅立葉變換、基本線性代數，基本統計運算和隨機模擬等等。

• 功能強大的N維陣列物件。
• 精密廣播功能函數。
• 整合 C/C+和Fortran 程式碼的工具。
• 強大的線性代數、傅立葉變換和亂數功能。

二、Ndarray介紹

　　NumPy 最重要的一個特點是其 N 維陣列物件 ndarray，它是一系列同型別資料的集合，以 0 下標為開始進行集合中元素的索引。ndarray 物件是用於存放同型別元素的多維陣列。ndarray 中的每個元素在記憶體中都有相同儲存大小的區域。

三、Ndarray和python中的list列表的區別

　　C陣列：學過C語言的都知道，在C語言中陣列是一個連續的記憶體空間，並且陣列中的資料的型別也是一致的。

　　python列表：python中的列表裡面存放的物件，可以是不同的資料型別。其底層實現是通過類似C語言中的指標陣列來實現，即python的列表中存放的資料的指標即他們的地址，然後再根據這個指標找到具體的資料。

　　Ndarray陣列：和C語言陣列實現類似，也是一段連續的記憶體空間，裡面存放的也是相同的資料型別。

　　詳細如下：

• NumPy 陣列在建立時具有固定的大小，與Python的原生陣列物件（可以動態增長）不同。更改ndarray的大小將建立一個新陣列並刪除原來的陣列。
• NumPy 陣列中的元素都需要具有相同的資料型別，因此在記憶體中的大小相同。
• NumPy 陣列有助於對大量資料進行高階數學和其他型別的操作。通常，這些操作的執行效率更高，比使用Python原生陣列的程式碼更少。

四、初始化NumPy陣列

　　1、安裝 numpy 包

　　　　pip3 install numpy

　　2、匯入 numpy 包

　　　　import numpy

　　3、使用一個列表初始化一個NumPy陣列

　　　　函數作用：初始化一個NumPy陣列

　　　　函數原型：numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0）

　　　　引數範例：

　　　　　　* object: 必填引數：即建立NumPy陣列的資料物件

　　　　　　* dtype: 可選引數，通過它可以更改陣列的資料型別---可將原來的整型或者其他型別進行強制轉換

　　　　　　* copy: 可選引數，當資料來源是ndarray 時表示陣列能否被複制，預設是True

　　　　　　* order: 可選引數，以哪種記憶體佈局建立陣列，有3個可選值，分別是C（行序列）/F（列序列）/A（預設）

　　　　　　* ndmin: 可選引數，用於指定陣列的維度--例如 一維陣列、二維陣列、三維陣列等

　　　　　　* subok: 可選引數，型別為bool值，預設為False。 為True，使用object的內部資料型別； 為False 使用object陣列的資料型別

　　　　程式碼範例：

 　　　　注意：

　　　　　　* 其中np_array就是Ndarray型別。

　　　　　　* data_list中的資料型別是不一致，但是轉化成np_array後，資料格式一致了，都變成了字串型別。

　　　　　　* 如果傳進來的列表包含不同的型別，則統一轉化為同一型別，轉化的優先順序:str>float>int，即有str則都轉化為str,這樣才能保證NumPy陣列中陣列的一致性。

　　4、numpy.ones()

　　　　函數作用：創造出來的陣列裡面填充的都是1

　　　　函數原型：numpy.ones(shape, dtype=None, order='C', *, like=None)

　　　　引數解釋：

　　　　　　* shape：建立出來陣列的形狀，是一維陣列，還是二維陣列，還是多維陣列等等

　　　　　　* dtype：資料的型別

　　　　　　* order：指定記憶體重以行優先(‘C’)還是列優先(‘F’)順序儲存多維陣列。

　　　　程式碼範例：

　　　　

 　　　　注意：

　　　　　　shape = (m,n) m行n列， 二維陣列

　　　　　　shape = (m)  m個元素的一維陣列 [1,2,3]

　　　　　　shape = (m, ) m個元素的一維陣列

　　　　　　shape = (m, 1) m行1列 二維陣列 [[1],[2],[3]]

　　　　　　shape = (1,m) 1行m列 二維陣列 [[1,2,3]]

 　　5、numpy.zeros()

　　　　函數作用：其用法和ones()一樣，只不過被填充的由1變成了0

　　　　函數原型：zeros(shape, dtype=float, order='C', *, like=None)

 

            程式碼範例：

　　　　

 　　6、numpy.ful()

　　　　函數作用：使用自己指定數位填充陣列內容

　　　　函數原型：numpy.full(shape, fill_value, dtype=None, order='C', *, like=None)

　　　　　程式碼範例：

　　　　

　　7、numpy.linspace()

　　　　函數作用: 生成等差數列的陣列

　　　　函數原型：linspace(start, stop, num=50,endpoint=True,retstep=False,dtype=None)

　　　　引數解釋：

　　　　　　* start，起始點
　　　　　　* stop，結束點
　　　　　　* num，元素個數，預設 50
　　　　　　* endpoint，是否包含 stop 數值，預設為 True，包含 stop 值；若為 False，則不包含 stop 值
　　　　　　* retstep，返回值形式，預設為 False，返回等差數列組，若為True，則返回結果 (array([‘samples’, ‘step’]))
　　　　　　* dtype，返回結果的資料型別，預設無，若無，則參考輸入資料型別
　　　　

　　　　程式碼範例：

　　　　

　　

　　8、numpy.arange()

　　　　函數作用：根據步長生成等差數列

　　　　函數原型：arange([start,] stop[, step,], dtype=None, *, like=None)

　　　　程式碼範例：

　　　　

　　9、numpy.random.randint()

　　　　函數作用：使用亂數建立NumPy陣列

　　　　函數原型：randint(low, high=None, size=None, dtype=int)

　　　　引數範例：

　　　　　　* low:亂數的最小值

　　　　　　* higt:亂數的最大值

　　　　　　* size:生出陣列的形狀

　　　　　　* dtype:資料型別

　　　　程式碼範例：

　　　　

 　　　　注意：類似的函數還有下面幾個，用法也類似

　　　　　　* numpy.random.random(size): 隨機生成小數的NumPy的陣列

　　　　　　* numpy.random.randn(d0, d1, ..., dn): 標準正態分佈

　　　　　　* np.random.normal(): 普通正態分佈

 五、ndarray的屬性

　　通過上面的範例，我們看到有幾個屬性是ndarray常用的屬性，這裡我們總結如下：

　　四個必記的屬性

　　　　* ndim: 維度

　　　　* shape: 形狀

　　　　* size: 總長度

　　　　* dtype: 元素型別

　　程式碼範例：