Numpy——ndarray

1、生成ndarray的几种方式

1、从已有数据中创建

（1）将列表转换成ndarray

import numpy as np
list=[3.14,2.78,9.969]
a=np.array(list)
print(a)
print(type(a))

输出：

[3.14  2.78  9.969]
<class 'numpy.ndarray'>

嵌套列表转换成多维ndarray

list1=[[1,2,3],[4,5,6]]
b=np.array(list1)
print(b)
print(type(b))

输出：

[[1 2 3]
 [4 5 6]]
<class 'numpy.ndarray'>

若list的两个维度不同时？？

list1=[[1,2,3],[4,5,6,7]]
b=np.array(list1)
print(b)
print(type(b))

输出：
[list([1, 2, 3]) list([4, 5, 6, 7])]
<class 'numpy.ndarray'>

这是一维的！！

2、利用random模块生成nadarray

random模块分为多种函数：

(1)random生成0到1之间的随机数

c=np.random.random([6,6])
print(c)

输出：

[[0.59391063 0.75378472 0.32952912 0.26467471 0.47116404 0.97516082]
 [0.98650169 0.97538322 0.67724268 0.00322345 0.41616526 0.20349846]
 [0.26703908 0.57530623 0.52608541 0.04137888 0.0857894  0.99140156]
 [0.98279155 0.43601314 0.3980672  0.19780929 0.71322162 0.34114976]
 [0.55084292 0.85393391 0.03192559 0.77924751 0.30661798 0.95929439]
 [0.48800905 0.94507055 0.3697743  0.01428907 0.14127233 0.43078732]]

 6*6矩阵

（2）uniform生成均匀的随机数

（3）randn生成标准正态的随机数

（4）normai生成正态分布

（5）shuffle随机打乱顺序

（6）seed设置随机数种子

前辈对于seed（）是这样说的：

seed( ) 用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed( )值，
则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，
此时每次生成的随机数因时间差异而不同。

3、创建特定形状的多为数组

import numpy as np
print(np.zeros([4,5]))       #生成4*5阶零矩阵
print(np.ones([3,4]))        #生成3*4阶一矩阵
print(np.eye(3))             #生成3阶单位阵
print(np.diag([1,3,5]))      #生成以一维数组为对角线的对角矩阵

输出：

[[0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]]
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
[[1 0 0]
 [0 3 0]
 [0 0 5]]

a=np.arange(1,10).reshape([3,3])
print(a)
print(" ")
print(np.diag(a))

输出：

[[1 2 3]
 [4 5 6]
 [7 8 9]]
 
[1 5 9]

输入二维矩阵输出一维矩阵！！

4、利用arange函数

arange函数格式为：

          arange（[start,]stop[,step,],dtype=None)

print(np.arange(10))
print(np.arange(0,10))
print(np.arange(1,4,0.5))
print(np.arange(9,-1,-1))

输出：

[0 1 2 3 4 5 6 7 8 9]
[0 1 2 3 4 5 6 7 8 9]
[1.  1.5 2.  2.5 3.  3.5]
[9 8 7 6 5 4 3 2 1 0]