import numpy as np
arr1=np.array([1,2,3,4])
print('创建的数组为：',arr1) #一维数组
arr2=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]]) #二维数组
print('创建的数组为：',arr2)
print('数组的维度：',arr2.shape)
print('数据类型为：',arr2.dtype)
print('数据元素个数：',arr2.size)
print('数组每个元素的大小：',arr2.itemsize)
arr2.shape=4,3 #重新设置shape
print('修改后的数组维度为：',arr2.shape)
print('使用arange函数创建的数组为：',np.arange(0,1,0.1)) #使用arange创建数组
print('使用linespace函数创建的数组：',np.linspace(0,1,12)) #使用linspace创建数组
print('使用logspace函数创建的数列为：',np.logspace(0,2,20)) #使用logspace创建等比数列
print('使用zeros函数创建数组为：',np.zeros((2,3))) #使用zeros创建数组
print('使用eye函数创建数组为：',np.eye((3))) #使用eye创建数组
print('使用diag函数创建数组为：',np.diag([1,2,3,4])) #使用diag创建数组
print('使用ones函数创建数组为：',np.ones((5,3))) #使用ones创建数组
print('整形转为浮点型:',np.float64(42)) #数据类型转换
print('浮点转换为整形：',np.int8(42.0))
print('整形转换为bool型：',np.bool(0))
print('布尔型转换为浮点型：',np.float(True))
print('布尔型转换为浮点型：',np.float(False))
df=np.dtype([('name',np.str_,40),('numitems',np.int64),('print',np.float64)]) #创建数据类型
print('数据类型为：',df)
print('数据类型：',df['name']) #查看数据类型
print('数据类型：',np.dtype(df['name']))
itemz=np.array([('tomatoes',42,4.14),('cabbages',13,1.72)],dtype=df) #自定义数组数据
print('自定义数据：',itemz)
print('随机数',np.random.random(10)) #生成随机数
print('随机数：',np.random.rand(10,5)) #生成服从均匀分布的随机数
print('随机数：',np.random.randn(10,5)) #生成服从正态分布的随机数
print('生成的随机数数组：',np.random.randint(2,10,size=[2,5])) #生成给定上下限范围的随机数
arr = np.arange(10)
print('索引结果为：',arr[5]) #使用索引访问一维数组
print('索引结果为：',arr[3:5])
print('索引结果为：',arr[:5])
print('索引结果为：',arr[-1])
print('索引结果：',arr[1:-1:2])
arr[2:4]=100,101
print('修改后元素的值：',arr)
import numpy as np
arr1=np.array([1,2,3,4])
print
阅读背景：
Python数据分析与应用-第二章NumPy数值计算基础
来源：互联网
分享到：
