认识numpy数组对象，创建numpy数组，ndarray对象的数据类型

buchiqc

关注

最新推荐文章于 2025-03-31 14:50:55 发布 · 562 阅读

原创

本文为博客 VIP 文章，开通 VIP 后可阅读全文

开通 VIP

import numpy as np # 导入numpy对象

data = np.arange(12).reshape(3,4) # 创建一维数组对象，并将一维数组对象转换为3行4列的二维数组
data

结果如下

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

type(data) # 查看数组类型

numpy.ndarray

data.dtype # 查看数组中元素的类型

dtype('int32')

data.size # 查看元素个数

data.ndim # 查看维度

创建numpy数组

data1 = np.array([1,2,3]) # 通过array对象创建一维数组

data1

array([1, 2, 3])

In [12]:

data2 = np.array([[1,2,3],[4,5,6]]) # 通过array对象创建二维数组

data2

array([[1, 2, 3], [4, 5, 6]])

np.zeros((3,4)) # 创建一个全是0的3行4列的二维数组

array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

np.ones((3,4))

array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])

最低0.47元/天解锁文章

收录于

当前文章被以下社区和专栏收录：

标签

#python #开发语言

掌握Numpy数组对象ndarray Python提供了一个array模块。array和list不同，array直接保存数值，和C语言的一维数组比较类似。但是由于Python的array模块不支持多维，也没有各种运算函数，因此不适合做数值运算。NumPy弥补了Python不支持多维等不足之处，它提供了一种存储单一数据类型的多维数组--ndarray。本次将实现ndarray多维数组的创建、生成随机数、通过索引访问一维或多维数组并变换其形态。NumPy提供了两种基本的对象：ndarray(N-dimensional Array)和ufunc(U 阅读详情

相关推荐

1、numpy之创建数组

实例：随机数组 import numpy as np print('2*3数组:\n',np.random.randn(2,3)) #2个一级子数列，每个一级子数列也包含2个二级子数列，每个二级子数列包含3个随机数： print('\n2*2*3数组：\n',np.random.randn(2,2,3)) runfile('C:/Users/xyy/.spyder-py3/temp.py', wdir='C:/Users/xyy/.spyder-py3') 2*3数组: [[ 0.85741972 .

weixin_45052608的博客 778

打造属于自己的量化投资系统7——Numpy的数组基础用法

1.numpy简介 NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组，的每个元素在内存中都有相同存储大小的区域。 ndarray 内部由以下内容组成：一个指向数据（内存或内存映射文件中的一块数据）的指针。 数据类型或 dtype，描述在数组中的固定大小值的格子。一个表示数组形状（shape）的元组，表示各维度大小的元组。一个跨度元组（stride），其中的整数指的是

觉醒2020 492

numpy创建数组

1、创建数组数组的创建方法有几种，最常见的就是使用array(）函数，参数为单层或嵌套列表>>c = np.array([[1,2,3],[4,5,6]])>>carray([[1,2,3], [4,5,6]])除了列表，array()函数还可以接收嵌套元组或元组列表作为参数。>>b = np.array(((1,2,3),(4,5,6)))...

xueruixuan的专栏 1613

Numpy创建数组

1、numpy.empty numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组： x = np.empty([3, 3], dtype = np.int8) print(x) 由于未赋初值，因此输出的是随机数 [[0 0 0] [0 0 0] [0 0 0]] 2、Numpy.zeros 0填充的数组 #生成全零数组 a = np.zeros([4, 4], dtype = np.float16)#生成全零数组 print(a) ...

诚朴勇毅 1512

Numpy库入门（生成数组）

numpy库入门数组创建

weixin_63606226的博客 1551

Numpy基础

import numpy as np print(np.__version__) all_zeros=np.zeros(10) all_zeros=np.zeros(10,dtype='int') value=np.arange(0,5,100) List=[1,2,3,4,5,6,7,8,9] list2arr=np.array(List)

wh22141334的博客 6046

Python之numpy函数

醉蕤的博客 1万+

NumPy Ndarray 对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有相同存储大小的区域。ndarray 内部由以下内容组成：一个指向数据（内存或内存映射文件中的一块数据）的指针。数据类型或 dtype，描述在数组中的固定大小值的格子。一个表示数组形状（shape）的元组，表示各维度大小的元组。

fengshou1的博客 573

Numpy库（一）：ndarray的创建与常用属性

记录了使用Numpy库的最基础的内容，如创建数组、初始化特定的矩阵等

JasonLi的博客 1770

numpy之ndarray对象介绍

NumPy Ndarray 对象详细信息请于菜鸟教程查询，欢迎转载。 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有相同存储大小的区域。创建一个 ndarray 只需调用 NumPy 的 array 函数即可： numpy.array(object,...

会飞的哼哧的博客 853

科学计算NumPy之Ndarray数组对象的创建、切片、索引、修改等操作汇总

NumPy是Python中的一个常用开源数学计算扩展库，是Numerical Python的缩写。它支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。这使得NumPy在科学计算、统计分析、数据挖掘、机器学习等领域中广泛使用。

积跬步，至千里。 2455

Numpy库_1（三大库）

NumPy Ndarray 对象 NumPy 数据类型 NumPy 数组属性 NumPy 创建数组(empty，zeros，ones，zeros_like,ones_like）

2201_75530317的博客 2211

2、NumPy ndarray：多维数组对象基础

NumPy 的ndarray是一个多维数组对象，它支持快速的、向量化的数组操作。与 Python 原生的列表相比，ndarray提供了更加丰富的操作和更高效的存储。核心特性同质性ndarray中的所有元素必须是相同数据类型。多维性：可以是任意维度的数据结构，如向量（1维）、矩阵（2维）或更高维数据。高效性：NumPy 在内存中使用连续块存储数据，优化了缓存的使用，提高了计算性能。

sinat_34461199的博客 965

Numpy方法总结（一）

本文主要讲解numpy使用方法

qq_64286820的博客 1374

c++ 对象数组_第 81 天：NumPy Ndarray 对象及数据类型

上一篇文章中我们详细介绍了 NumPy 的功能及用途，本章节着重介绍 NumPy 一个神奇的对象 Ndarray 以及 NumPy 数据类型，包括两者的用途，接下来就开启神奇之旅吧。标准安装的 Python 中用列表 (list) 保存一组值，它可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三...

weixin_33656211的博客 544

NumPy Ndarray学习

轻松学习NumPy Ndarray

m0_56065966的博客 1643

Day1 numpy数据库学习

（1）定义：广播（Broadcast）是 numpy 对不同形状（shape）的数组进行数值计算的方式，对数组的算术运算通常在相应的元素上进行。这要求维数相同，且各维度的长度相同，如果不相同，可以通过广播机制，这种机制的核心是对形状较小的数组，在横向或纵向上进行一定次数的重复，使其与形状较大的数组拥有相同的维度。什么是维度：数组的维度就是一个数组中的某个元素，当用数组下标表示的时候，需要用几个数字来表示才能唯一确定这个元素，这个数组就是几维。这个数组中的每个元素都是目标数组中某个维度上的索引值。