NumPy 簡介

創建 NumPy ndarray 對象

NumPy 用于處理數組。 NumPy 中的數組對象稱為 ndarray。

我們可以使用 array() 函數創建一個 NumPy ndarray 對象。

實例

import numpy as np 
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))

運行實例

type(): 這個內置的 Python 函數告訴我們傳遞給它的對象的類型。像上面的代碼一樣，它表明 arr 是 numpy.ndarray 類型。

要創建 ndarray，我們可以將列表、元組或任何類似數組的對象傳遞給 array() 方法，然后它將被轉換為 ndarray：

實例

使用元組創建 NumPy 數組：

import numpy as np 
arr = np.array((1, 2, 3, 4, 5))
print(arr)

運行實例

數組中的維

數組中的維是數組深度（嵌套數組）的一個級別。

嵌套數組：指的是將數組作為元素的數組。

0-D 數組

0-D 數組，或標量（Scalars），是數組中的元素。數組中的每個值都是一個 0-D 數組。

實例

用值 61 創建 0-D 數組：

import numpy as np
arr = np.array(61)
print(arr)

運行實例

1-D 數組

其元素為 0-D 數組的數組，稱為一維或 1-D 數組。

這是最常見和基礎的數組。

實例

創建包含值 1、2、3、4、5、6 的 1-D 數組：

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6])
print(arr)

運行實例

2-D 數組

其元素為 1-D 數組的數組，稱為 2-D 數組。

它們通常用于表示矩陣或二階張量。

NumPy 有一個專門用于矩陣運算的完整子模塊 numpy.mat。

實例

創建包含值 1、2、3 和 4、5、6 兩個數組的 2-D 數組：

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)

運行實例

3-D 數組

其元素為 2-D 數組的數組，稱為 3-D 數組。

實例

用兩個 2-D 數組創建一個 3-D 數組，這兩個數組均包含值 1、2、3 和 4、5、6 的兩個數組：

import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)

運行實例

檢查維數？

NumPy 數組提供了 ndim 屬性，該屬性返回一個整數，該整數會告訴我們數組有多少維。

實例

檢查數組有多少維：

import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim) 
print(b.ndim) 
print(c.ndim) 
print(d.ndim)

運行實例

更高維的數組

數組可以擁有任意數量的維。

在創建數組時，可以使用 ndmin 參數定義維數。

實例

創建一個有 5 個維度的數組，并驗證它擁有 5 個維度：

import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)

運行實例

在此數組中，最里面的維度（第 5 個 dim）有 4 個元素，第 4 個 dim 有 1 個元素作為向量，第 3 個 dim 具有 1 個元素是與向量的矩陣，第 2 個 dim 有 1 個元素是 3D 數組，而第 1 個 dim 有 1 個元素，該元素是 4D 數組。