——ndarray:用于存储单一数据类型的多维数组

ndarray基础属性的认识

import numpy as np #将numpy简写为np方便调用

1.通过以下实例来认识array

实例1：认识array的创建与属性

Array_1=np.array([[1,2,3,4],[5,6,7,8]],dtype=float)
print('这是数组Array_1:\n',Array_1)
print('Array_1的维度:',Array_1.ndim,'\nArray_1的形状:',Array_1.shape)
print('Array_1的数量:',Array_1.size,'\nArray_1的类型:',Array_1.dtype)
print('Array_1的每个元素字节大小',Array_1.itemsize)

Array_2=np.array([ [1],[2],[3],['b'],[1,2,3,4]])
print('这是数组Array_2:\n',Array_2)
print('Array_2的维度:',Array_2.ndim,'\nArray_2的形状:',Array_2.shape)
print('Array_2的数量:',Array_2.size,'\nArray_2的类型:',Array_2.dtype)
print('Array_2的每个元素字节大小',Array_2.itemsize)

实例2:认识数组的创建函数

arange(起始值,终值,步长) ——等步长生成数组

np.arange(0,10,1)

linspace(起始值,终值,元素个数)——等差数列数组

np.linspace(0,10,11)

logspace（起始值,终值,元素个数)——等比数列数组

base=底数设置

np.logspace(0,9,10,base=2) 

2.数组的索引（在python切片的基础上了解学习）

一维数组索引

数组[起始站:终值:步长]

Array_3=np.arange(0,12,1)
Array_3

Array_3[0:9:2] #从0-8以2为步长

Array_3[-7::-1] #5-0步长为-1

二维数组索引

数组[行索引,列索引:步长]

Array_4=Array_3.reshape(3,4)#改变数组的形状
Array_4

Array_4[0:2,0:3 :2]

数组轴的认识

以二维数组为例子

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

多维数组轴的表示

(轴0，轴1，轴2，....轴n)

笔者认为数组轴就是维度的表示，以x，y，z为例子x=轴0 ，y=轴1 ，z=轴2.

出处：https://www.cnblogs.com/tyh1999/p/13966167.html