NumPy – ndarray的创建和存取

Contents

1 1.生成ndarray的几种方式
2 2.ndarray元素存取
- 2.1 1.使用”[ ]”运算符
- 2.2 2.使用np.where函数

1.生成ndarray的几种方式

　　ndarray是NumPy封装的一个新的数据类型，一个多维数组对象，该对象封装了许多常用的数学运算函数，方便我们进行数据处理以及数据分析。生成ndarray的方式有以下几种：

1.从已有数据中创建

import numpy as np

list1 = [1, 2, 3, 4, 5]
list2 = [[1, 2], [3, 4], [5, 6]]  # 多维的列表可以转成多维ndarray

nd1 = np.array(list1)
nd2 = np.array(list2)

print(nd1)
print(nd2)
print(type(nd1))
'''

[1 2 3 4 5]

[[1 2]
 [3 4]
 [5 6]]

<class 'numpy.ndarray'>
'''

import numpy as np

list1 = [1, 2, 3, 4, 5]

list2 = [[1, 2], [3, 4], [5, 6]] # 多维的列表可以转成多维ndarray

nd1 = np.array(list1)

nd2 = np.array(list2)

print(nd1)

print(nd2)

print(type(nd1))

'''

[1 2 3 4 5]

[[1 2]

[3 4]

[5 6]]

'''

2.利用random模块生成

　　参考 np.random模块。

3.创建特定形状的多维度数组

函数	作用
np.zeros(shape)	生成形状为shape的全是0的矩阵
np.ones(shape)	生成形状为shape的全是1的矩阵
np.eye(n)	生成n阶单位矩阵
np.diag(v)	生成对角矩阵，对角线上的元素为列表v
np.repeat(a, r)	将a中的每个元素重复r次

import numpy as np

nd1 = np.diag([1,2,3])
print(nd1)
'''
[[1 0 0]
 [0 2 0]
 [0 0 3]]
'''

nd1 = np.eye(3)
print(nd1)
'''
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
'''

nd1 = np.ones([2,3])
print(nd1)
'''
[[1. 1. 1.]
 [1. 1. 1.]]
'''

nd1 = np.repeat([1, 2, 3], 3)
print(nd1)
'''
[1 1 1 2 2 2 3 3 3]
'''

import numpy as np

nd1 = np.diag([1,2,3])

print(nd1)

'''

[[1 0 0]

[0 2 0]

[0 0 3]]

'''

nd1 = np.eye(3)

print(nd1)

'''

[[1. 0. 0.]

[0. 1. 0.]

[0. 0. 1.]]

'''

nd1 = np.ones([2,3])

print(nd1)

'''

[[1. 1. 1.]

[1. 1. 1.]]

'''

nd1 = np.repeat([1, 2, 3], 3)

print(nd1)

'''

[1 1 1 2 2 2 3 3 3]

'''

2.ndarray元素存取

1.使用”[ ]”运算符

符号	作用
[,]	维度的分隔符
[:]	表示这一维取全部,相当于0:len
[x]	表示取下标为x的
[-x]	表示取从后向前下标为x的
[:b]	表示从开头取到b(不包括b),相当于0:b
[a:]	表示从a取到结尾(包含a),相当于a:len
[a:b]	取下标为[a,b)的
[[a,b]]	取下标为a和b的

import numpy as np

nd1 = np.arange(25).reshape([5, 5])
print(nd1)
'''
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]]
'''

print(nd1[1, 1])
'''
6
'''

print(nd1[1])  # 等价于nd1[1, :]，取某行
'''
[5 6 7 8 9]
'''

print(nd1[:, 1])  # 取某列，:表示在这个维度取全部，
'''
[ 1  6 11 16 21]
'''

print(nd1[:, 1:2])  # 注意和上面区分，这行代码得到的结果是二维的，而nd1[:, 1]是一维的
'''
[[ 1]
 [ 6]
 [11]
 [16]
 [21]]
'''

print(nd1[:, [1, 3]])  # 截取指定的列，如1、3两列
'''
[[ 1  3]
 [ 6  8]
 [11 13]
 [16 18]
 [21 23]]
'''

print(nd1[[1, 3], 1:3])  # 截取1、3两行1、2两列的元素
'''
[[ 6  7]
 [16 17]]
'''

import numpy as np

nd1 = np.arange(25).reshape([5, 5])

print(nd1)

'''

[[ 0 1 2 3 4]

[ 5 6 7 8 9]

[10 11 12 13 14]

[15 16 17 18 19]

[20 21 22 23 24]]

'''

print(nd1[1, 1])

'''

print(nd1[1]) # 等价于nd1[1, :]，取某行

'''

[5 6 7 8 9]

'''

print(nd1[:, 1]) # 取某列，:表示在这个维度取全部，

'''

[ 1 6 11 16 21]

'''

print(nd1[:, 1:2]) # 注意和上面区分，这行代码得到的结果是二维的，而nd1[:, 1]是一维的

'''

[[ 1]

[ 6]

[11]

[16]

[21]]

'''

print(nd1[:, [1, 3]]) # 截取指定的列，如1、3两列

'''

[[ 1 3]

[ 6 8]

[11 13]

[16 18]

[21 23]]

'''

print(nd1[[1, 3], 1:3]) # 截取1、3两行1、2两列的元素

'''

[[ 6 7]

[16 17]]

'''

2.使用np.where函数

import numpy as np

'''
np.where(condition, x=None, y=None)
如果condition为True则从x中选择元素，否则从y中选择元素
'''
a = np.arange(10)
c = np.where(a % 2 == 1, -1, a)
print(c)
'''
[ 0 -1  2 -1  4 -1  6 -1  8 -1]
'''

import numpy as np

'''

np.where(condition, x=None, y=None)

如果condition为True则从x中选择元素，否则从y中选择元素

'''

a = np.arange(10)

c = np.where(a % 2 == 1, -1, a)

print(c)

'''

[ 0 -1 2 -1 4 -1 6 -1 8 -1]

'''