参考链接： Python中的Array | 数组1(简介和功能)

一、list和array的区别 

Python的数组通过Numpy包的array实现。 Python里二者最大的区别是，list可以存储不同类型的数据，而array只能存储相同类型的数据。 

import numpy

#直接定义

a = [1,2,3,4,'5']   #列表list，可以混合类型

b = numpy.array([1,2,3,4,5])        #数字数组array

c = numpy.array([1,2,3,4,'5'])      #字符数组array

 

#打印出来也有不同

print(a)    #[1, 2, 3, 4]

print(b)    #[1 2 3]

print(c)    #['1' '2' '3' '4' '5']

 

#生成值为连续数字的对象

a1 = list(range(5))

b1 = numpy.arange(5)

 

#打印结果

print(a1)   #[0, 1, 2, 3, 4]

print(b1)   #[0 1 2 3 4]

 

 

二、创建数组的方法 

（一） numpy.empty 创建未初始化的数组（非空，元素为随机值） 

numpy.empty(shape, dtype = float, order = ‘C’) 参数列表分别为形状，数据类型，在计算机中的存储为行优先 ‘C’ 或者列优先 ‘F’。 

import numpy 

x = numpy.empty([3,2], dtype = int) 

print(x)

 

[[0 0]

 [0 0]

 [0 0]]

 

（二） numpy.zeros 创建元素为 0 的数组 

numpy.zeros(shape, dtype = float, order = ‘C’) 

import numpy

y = numpy.zeros((2,2), dtype=int)

print(y)

 

[[0 0]

 [0 0]]

 

（三） numpy.ones 创建元素为 1 的数组 

import numpy

z = numpy.ones((2,2))    #这几个创建方式都需要注意第一个参数的形式

print(z)

 

[[1. 1.] [1. 1.]] 

（四） numpy.asarray 根据已有的元组或者列表创建数组 

numpy.asarray(a, dtype = None, order = None) 这是从列表转换为数组的例子 

import numpy

x = [[1,2,3],[4,5,6]]   #需要注意原列表的形式

y = [[1,2,3],[4,5]]

z = [[1,2,3],[4,5,'6']]

q = [[1,2,3],[4,5,6]]

 

a = numpy.asarray(x)

b = numpy.asarray(y)

c = numpy.asarray(z)

d = numpy.asarray(q,dtype=float)

print(a)

print(b)

print(c)

print(d)

 

[[1 2 3]

 [4 5 6]]

[list([1, 2, 3]) list([4, 5])]

[['1' '2' '3']

 ['4' '5' '6']]

[[1. 2. 3.]

 [4. 5. 6.]]

 

（五） numpy.frombuffer 流形式读入转换为数组 

numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0) 细节太多不讨论了，需要的时候再看 

（六） numpy.fromiter 从可迭代对象创建数组，返回一维数组 

numpy.fromiter(iterable, dtype, count=-1) count为读取的数据数量，默认为-1，读取所有数据 

import numpy

x = range(5)

it = iter(x)

a = numpy.fromiter(x, dtype=float)

print(a)

 

[0. 1. 2. 3. 4.]

 

（七） numpy.arange 从数值范围创建数组 

numpy.arange(start, stop, step, dtype) 

import numpy

a = numpy.arange(5)

print(a)

 

[0 1 2 3 4]

 

（八） numpy.linspace 创建等差数列一维数组 

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) num为数量，endpoint为真时stop被包含在数列中，retstep为真时显示间距 

import numpy

a = numpy.linspace(0,100,11)

b = numpy.linspace(0,100,11,retstep =True, dtype=int)

print(a)

print(b)

 

[  0.  10.  20.  30.  40.  50.  60.  70.  80.  90. 100.]

(array([  0,  10,  20,  30,  40,  50,  60,  70,  80,  90, 100]), 10.0)

 

（九） numpy.logspace 创建等比数列一维数组 

numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None) 序列的起始值为：base**start （base为底的start次方） 序列的终止值为：base ** stop （base为底的stop次方）， 如果endpoint为true，该值包含于数列中 base为log的底数 

import numpy

a = numpy.logspace(1, 4, 4, base=3, dtype = int)

b = numpy.logspace(1, 10, 10, base=2)

print(a)

print(b)

 

[ 3  9 27 81]

[   2.    4.    8.   16.   32.   64.  128.  256.  512. 1024.]

 

三、array的操作 

（一） reshape 整形 

import numpy

a = numpy.arange(6)

b = a.reshape(3,2)    #改变数组形状，参数是行数和列数，需要匹配原数组的元素数量否则报错

print(a)

print(b)

 

[0 1 2 3 4 5 6 7]

[[0 1]

 [2 3]

 [4 5]

 [6 7]]

 

（二） flat 数组迭代器 

import numpy

#一维数组可以直接for循环迭代

a = numpy.arange(6)

for x in a:

    print(x)

 

b = numpy.arange(6).reshape(3,2)    #二维数组

#flat迭代器

for x in b.flat:

    print(x)

 

#多重for循环，跟迭代器二者等效

for x in b: 

    for y in x: 

        print(y)

 

（三） flatten 深拷贝，同copy() 

ndarray.flatten(order=‘C’) order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘K’ – 元素在内存中的出现顺序。 

import numpy

a = numpy.arange(4)

b=a.copy()

c=a.flatten()

 

a[1] = 8

b[0] = 9

 

print(a)

print(b)

print(c)

 

[0 8 2 3]

[9 1 2 3]

[0 1 2 3]

 

（四） ravel 返回数组的视图，修改会影响原数组 

numpy.ravel(a, order=‘C’) order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘K’ – 元素在内存中的出现顺序。 

import numpy

a = numpy.arange(8).reshape(2,4)

b = a.ravel()

c = a.ravel(order = 'F')    # 就这个修改不会影响其他的

d = a.ravel(order = 'A')

e = a.ravel(order = 'K')

print(a)

print(b)

print(c)

print(d)

print(e)

 

[[0 1 2 3]

 [4 5 6 7]]

[0 1 2 3 4 5 6 7]

[0 4 1 5 2 6 3 7]

[0 1 2 3 4 5 6 7]

[0 1 2 3 4 5 6 7]

 

注意，修改order='F’模式的时候不会影响其他模式的序列，没有深究为何，用的时候再找。 

b[4] = 44

c[5] = 55

d[6] = 66

e[7] = 77

print(a)

print(b)

print(c)

print(d)

print(e)

 

[[ 0  1  2  3]

 [44  5 66 77]]

[ 0  1  2  3 44  5 66 77]

[ 0  4  1  5  2 55  3  7]

[ 0  1  2  3 44  5 66 77]

[ 0  1  2  3 44  5 66 77]

 

（五） transpose 等同于T，翻转数组行和列 

numpy.transpose(arr, axes) arr：要操作的数组 axes：整数列表，对应维度，通常所有维度都会对换。 

import numpy

a = numpy.arange(6).reshape(2,3)

b = a.transpose()

c = a.T     #注意写法

 

print(a)

print(b)

print(c)

 

[[0 1 2]

 [3 4 5]]

[[0 3]

 [1 4]

 [2 5]]

[[0 3]

 [1 4]

 [2 5]]

 

（六） 后面暂时略，以后补完