Numpy 修炼之道（2）—— N维数组 ndarray

上一篇：Numpy 修炼之道（1） —— 什么是 Numpy

推荐阅读时间：5min~6min 文章内容：Numpy中的N维数组 ndarray

Numpy 中最重要的一个对象就是 ndarray。

ndarray 结构图

ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)。

从ndarray对象提取的任何元素(通过切片)由一个数组标量类型的 Python 对象表示。下图显示了ndarray，数据类型对象(dtype)和数组标量类型之间的关系。

构建ndarray

打开 Python 终端

>>> import numpy as np
>>> a = np.array([0, 1, 2, 3]) # 1-D
>>> a
array([0, 1, 2, 3])
>>> b = np.array([[0, 1, 2], [3, 4, 5]]) # 2-D， 2 row x 3 col
>>> b
array([[0, 1, 2],
 [3, 4, 5]])

上面的方式是最基本的方法，也是最笨的方法，下面看一些非常“鸡贼”的方法。

使用一些跟数值范围相关的函数来创建。

>>> a = np.arange(10) # 生成 0-5 数组
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> b = np.arange(1, 6, 2) # 生成开始为 1，结束为 5（6-1），步长为 2 数组
>>> b
array([1, 3, 5])

常用的数组

>>> a = np.ones((3, 3)) # reminder: (3, 3) is a tuple
>>> a
array([[ 1., 1., 1.],
 [ 1., 1., 1.],
 [ 1., 1., 1.]])
>>> b = np.zeros((2, 2))
>>> b
array([[ 0., 0.],
 [ 0., 0.]])
>>> c = np.eye(3) # 单位矩阵
>>> c
array([[ 1., 0., 0.],
 [ 0., 1., 0.],
 [ 0., 0., 1.]])
>>> d = np.diag(np.array([1, 2, 3, 4])) # 对角矩阵
>>> d
array([[1, 0, 0, 0],
 [0, 2, 0, 0],
 [0, 0, 3, 0],
 [0, 0, 0, 4]])

随机数组

>>> a = np.random.rand(2, 3)       # uniform in [0, 1]
>>> a
array([[ 0.6713131 ,  0.36077404,  0.13295515],
     [ 0.21052194,  0.39054944,  0.24861006]])
>>> b = np.random.randn(2, 3)      # Gaussian
>>> b
array([[-1.25166408, -0.61573192, -0.41214682],
     [-0.25353635,  1.04938271,  0.02308834]])

nddaray常用属性

ndarray.flags	有关数组的内存布局的信息。
ndarray.shape	数组维数组。
ndarray.strides	遍历数组时，在每个维度中步进的字节数组。
ndarray.ndim	数组维数，在Python世界中，维度的数量被称为rank。
ndarray.data	Python缓冲区对象指向数组的数据的开始。
ndarray.size	数组中的元素总个数。
ndarray.itemsize	一个数组元素的长度（以字节为单位）。
ndarray.nbytes	数组的元素消耗的总字节数。
ndarray.base	如果内存是来自某个其他对象的基本对象。
ndarray.dtype	数组元素的数据类型。
ndarray.T	数组的转置。

>>> a = np.array([(2,3,4), (5,6,7)])
>>> a.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> a.shape(2L, 3L)
>>> a.ndim
2
>>> a.strides(12L, 4L)
>>> a.data
<read-write buffer for 0x00000000099EA2B0, size 24, offset 0 at 0x0000000009953B20
>>>> a.size
6
>>> a.itemsize
4
>>> a.nbytes
24
>>> a.dtype
dtype('int32')
>>> a.T
array([[2, 5],
     [3, 6],
     [4, 7]])

作者：无邪，个人博客：脑洞大开，专注于机器学习研究。

Numpy 修炼之道 （2）—— N维数组 ndarray

ndarray 结构图

构建ndarray

nddaray常用属性

Numpy 修炼之道（2）—— N维数组 ndarray