[Python知识库]python中的数组

1.用list和tuple等数据结构表示数组

一维数组：list1=[1,2,3]

二维数组：tuple1 = ([1,2,3],[4,5,6],[7,8,9])

但是：列表是动态指针数组，它保存的是对象的指针，其元素可以是任意类型的对象。比如要保存上述的List1，需要3个指针和3个整数对象，浪费内存和计算时间。

2.array模块(非内置)

- 通过array函数创建数组

?- 提供append、insert和read等方法

但是：array模块中的array函数不支持多维数组，且函数功能不丰富

3.NumPy中的N维数组ndarray

-?NumPy中基本的数据结构

- 所有元素是同一种类型

- 别名array（数组）

- 节省内存，提高CPU计算时间

- 有丰富的函数

注：NumPy的思维模式是面向数组.

3.1ndarray数组属性

- 下标从0开始。

- 一个ndarray数组中的所有元素的类型必须相同。

-?轴（axis）：每一个线性的数组称为是一个轴，也就是维度（dimensions）。比如，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组，所以一维数组就是ndarray中的轴，第一个轴（也就是第0轴）相当于是底层数组，第二个轴（也就是第1轴）是底层数组里的数组。

很多时候可以声明axis。axis=0，表示沿着第0轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

-?秩（rank）：维数，一维数组的秩为1，二维数组的秩为2，以此类推。即轴的个数。

3.2 ndarray的创建

3.2.1从已有的数据中创建多维数组

从list, tuple对象中创建 - array()??创建多维数组

注：array函数的参数必须是由方括号括起来的列表，而不能使用多个数值作为参数调用array

my_arr = np.array([1,2,3])
my_arr

np.array(object, dtype=None, copy=True, order=’K’, subok=False, ndmin=0)

object — list或tuple对象。强制参数。

dtype — 数据类型。可选参数。

copy — 默认为True，对象被复制。可选参数。

order — 数组按一定的顺序排列。C - 按行；F - 按列；A - 如果输入为F则按列排列，否则按行排列；K - 保留按行和列排列。默认值为K。可选参数。

subok — 默认为False，返回的数组被强制为基类数组。如果为True，则返回子类。可选参数。

ndmin — 最小维数。可选参数

3.2.2从字符串中读取 - fromstring()

fromstring()?- 从字符串中读取数据，并将其转换为一维数组。

arr3 = np.fromstring('1,2,3,4,5',dtype=int,sep=',')

arr3 = np.fromstring('1,2,3,4,5',dtype=int,sep=',')

np.fromstring(string, dtype=float, count=-1, sep=”)

string — 包含数据的字符串。强制参数。

dtype — 数据类型，默认为浮点型。可选参数。

count — 从左到右读取数据的个数。默认为-1，表示读取所有数据。可选参数。

sep — 分隔符。若不指定分隔符，或指定为空，则字符串包含的数据被解译为二进制数据，否则为带有小数的ASCII文本。可选参数。

3.2.3 创建特定形状的多维数组

?创建‘全1’数组- ones(), ones_like()

ones()?- 创建给定形状的ndarray，并将数组中所有元素填充为1。

arr4 = np.ones((2,3))

np.ones(shape, dtype=None, order=’C’)

shape — 维度。强制参数。

dtype — 数据类型。默认为np.float64。可选参数。

order — 数组按一定的顺序排列。C - 按行；F - 按列。默认值为C。可选参数。

ones_like()?- ?创建与参数数组形状和类型相同的ndarray，并将数组中所有元素填充为1。

arr4 = np.array([[5,4],[1,2],[6,7]])
arr5 = np.ones_like(arr4)

np.ones_like(a, dtype=None, order=’K’, subok=True)

a — 给定的数组。其维度和数据类型决定着要创建的数组的属性。强制参数。

dtype — 数据类型。默认的“None”意为“a.dtype”。可选参数。

order — 数组按一定的顺序排列。C - 按行；F - 按列；A - 如果输入为F则按列排列，否则按行排列；K - 保留按行和列排列。默认值为K。可选参数。

subok — 默认为True，返回的数组被强制为子类数组。如果为False，则返回基类数组。可选参数

创建‘全0’数组 - zeros(), zeros_like()

zeros()?- 创建给定形状的ndarray，并将数组中所有元素填充为0。

zeros_like()?- ?创建与参数数组形状和类型相同的ndarray，并将数组中所有元素填充为0。

创建空数组 - empty(), empty_like()

empty()?- 返回一个没有初始化内存的数组，该数组是空的。

empty_like()?- 返回一个与给定数组的维度和数据类型相同的新数组。

自主填充数组 - full(), full_like()

full()?- 返回一个指定维度和数据类型的新数组，并用指定的值填充。

arr6 = np.full((3,2),6)

full_like()?- 返回一个与给定数组的维度和数据类型相同的新填充数组

arr4 = np.array([[5,4],[1,2],[6,7]])
arr5 = np.full_like(arr4,3)

3.2.4 改变数组的形状- reshape()

reshape()?- 改变数组的形状。通过reshape生成的新数组和原始数组共用一个内存，也就是说，若更改其中数组的元素，另一个数组也将发生改变。

arr4 = np.array([[5,4],[1,2],[6,7]])

arr5 = arr4.reshape(2,3)

reshape(a, newshape, order=’C’)

ndarray1.reshape(newshape)

a — 已知数组。强制参数。

newshape — 新的维度，为整数或由整数组成的元组。强制参数。

order — 数组按一定的顺序排列。C - 按行；F - 按列；A - 如果输入为F则按列排列，否则按行排列；K - 与数组a的排列尽可能接近。默认值为C。可选参数。

3.2.5?创建等差数列数组 - arange()

arange()?- 创建一个一维的等差数列数组，与Python中的range()函数类似。区别在于，np.arange()返回的是一个numpy数组，而Python中的range()函数返回的是一个列表。

arr6 = np.arange(2,10,3)

np.arange(start, stop, step, dtype=None)

start — 起始值（取得到）。默认值为0。可选参数。

stop — 终止值（取不到）。强制参数。

step — 步长。默认值为1。若指定step，则start值必须给出。可选参数。

dtype — 数据类型。若不指定数据类型，则通过其他参数（如start, stop, step）判断。可选参数。

3.2.6?ndarray的切片和索引

Numpy 中多维数组的切片操作与 Python 中 list 的切片操作一样，由 start, stop, step 三个部分组成。

一维数组：

arr6 = np.arange(0,10)    #一维数组
arr6[3:8:2]    #取数：从arr6的第四个位置开始到第9个位置结束，步长为2

二维数组：

arr6 = np.arange(0,10)
arr7 = arr6.reshape(5,2)

array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])

arr7[2:4]

array([4, 6, 8])

注：想同时对行和列切片需要中间以，隔开，形如：

arr6 = np.arange(0,10)
arr8 = arr6.reshape(2,5)

array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

arr8[::1,::2]    #行的步长为1，列的步长为2

array([[0, 2, 4],
       [5, 7, 9]])

所以想索引数字9有两种办法：

1.切片法：arr8[1,4]

2.数组索引：arr8[1][4]