Numpy n 维数组 ndarray

Created: November-22, 2018

numpy 中的核心数据结构是 ndarray（ n 维数组的简称）。ndarrays 是

同类的（即它们包含相同数据类型的项目）
包含固定大小的项目（由形状给定， n 个正整数的元组，指定每个维度的大小）

一维数组：

x = np.arange(15)
# array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
x.shape
# (15,)

二维数组：

x = np.asarray([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9], [10, 11, 12, 13, 14]])
x
# array([[ 0, 1, 2, 3, 4],
# [ 5, 6, 7, 8, 9],
# [10, 11, 12, 13, 14]])
x.shape
# (3, 5)

三维：

np.arange(12).reshape([2,3,2])

要初始化数组而不指定其内容，请使用：

x = np.empty([2, 2])
# array([[ 0., 0.],
# [ 0., 0.]])

数据类型猜测和自动转换

默认情况下，data-type 设置为 float

x = np.empty([2, 2])
# array([[ 0., 0.],
# [ 0., 0.]])

x.dtype
# dtype('float64')

如果提供了一些数据，numpy 会猜测数据类型：

x = np.asarray([[1, 2], [3, 4]])
x.dtype
# dtype('int32')

请注意，在进行赋值时，numpy 会尝试自动转换值以适应 ndarray 的数据类型

x[1, 1] = 1.5 # assign a float value
x[1, 1]
# 1 
# value has been casted to int
x[1, 1] = 'z' # value cannot be casted, resulting in a ValueError

阵列广播

另请参见广播阵列操作。

x = np.asarray([[1, 2], [3, 4]])
# array([[1, 2],
         [3, 4]])
y = np.asarray([[5, 6]])
# array([[5, 6]])

在矩阵术语中，我们将有一个 2x2 矩阵和一个 1x2 行向量。我们仍然可以做一笔钱

# x + y
array([[ 6, 8],
       [ 8, 10]])

这是因为数组 y 被拉伸到：

array([[5, 6],
       [5, 6]])

适合 x 的形状。

资源：

来自官方文档的 ndarray 简介： N 维数组（ndarray）
类参考： ndarray 。