ndarray（别名array）

常用属性

import numpy as np  # Numpy工具包data = np.arange(12).reshape(3, 4)  # 创建一个3行4列的数组
print(data)
print(type(data))  # 查看数组类型，输出结果<class 'numpy.ndarray'>
print(data.ndim)  # 数组维度的个数，2表二维数组
print(data.shape)  # 数组的维度，输出结果(3,4)表示3行4列
print(data.size)  # 数组元素的个数，输出结果12，表示总共有12个元素
print(data.dtype)  # 数组元素的类型，输出结果dtype('int 32')表示元素类型都是int32
print(data.itemsize)  # 数组中每个元素的字节大小，输出结果4，表示元素类型为int32的数组有4（32/8）个字节

输出结果

创建NumPy数组

使用array()函数

import numpy as npdata1 = np.array([1, 2, 3])
print(data1)

输出结果
[1 2 3]

data2 = np.array([[1, 2, 3], [4, 5, 6]])
print(data2)

输出结果
[[1 2 3]
[4 5 6]]

使用zeros()函数

zeros()函数创建的数组其元素值都为0

data3 = np.zeros((3, 4))
print(data3)

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

使用ones()函数

ones()函数船舰的数组其元素值都为1

data4 = np.ones(12).reshape(4, 3)
print(data4)

输出结果
[[1. 1. 1.]
[1. 1. 1.]
[1. 1. 1.]
[1. 1. 1.]]

使用empty()函数

empty()函数只分配内存空间，其内元素都是随机的，数据类型默认为float64

data5 = np.empty(3).reshape(3, 1)
print(data5)

输出结果
[[1.33512376e-306]
[8.90104239e-307]
[9.34605716e-307]]

使用arange()函数

arange()函数可以创建一个等差数组，功能类似于range()，不过arange()返回的结果是数组，而不是列表

data6 = np.arange(1, 99, 5)
print(data6)

输出结果
[ 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96]

注意

值得注意的是，部分数组元素后面会跟着一个小数点“ . ”，而有些元素后面没有，如“1.和1”，这种现象的产生主要是因为元素的数据类型不同，；例如：float类型元素带小数点，int元素则不带
当然创建ndarray对象时，亦可显式声明数组元素类型

data7 = np.array([1, 2, 3, 4], int)
data8 = np.array([1, 2, 3, 4], float)
data9 = np.zeros((3, 4), dtype='float64')
data10 = np.zeros((3, 4), dtype='int32')