numpy的ndarray学习笔记

1.numpy最重要的一个特点就是其N维数组对象（ndarray），该对象是一个快速而灵活的大数据集容器。

# -- coding: utf-8 --import numpy as npdata=np.array([[0.9526,0.246,0.8856],[0.5639,0.2379,0.9104]])

2.ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。

#shape 一个表示各维度大小的元组print data.shape#dtype 一个用于说明数组数据类型的对象print data.dtype

输出结果(2L, 3L)float64

3.除np.array外，还有一些函数可以创建数组。比如zeros和ones分别可以创建指定长度或形状的全0或全1数组。empty可以创建一个没有任何具体值的数组。要用这些方法创建多维数组，只需要传入一个表示形状的元组即可。
empty创建数组，只分配内存空间但不填充任何值

print np.zeros(10)print np.zeros((3,6))

输出结果[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.][[ 0.  0.  0.  0.  0.  0.] [ 0.  0.  0.  0.  0.  0.] [ 0.  0.  0.  0.  0.  0.]]

print np.empty((2,3,2))

输出结果[[[  2.98129453e-316   6.38722586e-314]  [  2.12496290e-316   2.96439388e-323]  [  1.91192280e-313   0.00000000e+000]] [[  5.92878775e-323   3.18299369e-313]  [  0.00000000e+000   4.03179200e-313]  [  0.00000000e+000   1.08694442e-322]]]

注意：认为np.empty会返回全0数组的想法是不安全的。很多情况下，它返回的都是一些未初始化的垃圾值。

4.arange是python内置函数range的数组版本：

print np.arange(15)

输出结果[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]

结果为0-14不包含15

5.指定ndarray的数据类型

arr1=np.array([1,2,3],dtype=np.float64)arr2=np.array([1,2,3],dtype=np.int32)print arr1.dtypeprint arr2.dtype

输出结果float64int32

6.可以通过ndarray的astype方法显式的转换其dtype

arr = np.array([1,2,3,4,5])print arrprint arr.dtypefloat_arr=arr.astype(np.float64)print float_arrprint float_arr.dtype

输出结果[1 2 3 4 5]int32[ 1.  2.  3.  4.  5.]float64

7.如果某字符串数组表示的全是数字，也可以用astype将其转换为数值形式：

numeric_strings = np.array(['1.25','-9.6','42'],dtype=np.string_)res = numeric_strings.astype(float)print numeric_stringsprint res

输出结果['1.25' '-9.6' '42'][  1.25  -9.6   42.  ]

*注意：字母形式的字符串，无法转换成数值
注意：调用astype无论如何都会创建出一个新的数组（原始数据的一份拷贝），即使新dtype跟老dtype相同也是如此*