Python --- Numpy 创建n维数组基本方法_python数组有五维吗？_GuNight的博客

相关文章推荐
绅士的打火机 · 在 Control Hub 中为 ...· 4 月前 ·
帅气的青蛙 · 用Python处理文档，5个必备的库 - 知乎· 4 月前 ·
魁梧的啄木鸟 · Android：自定义列表弹窗的单选图标样式 ...· 5 月前 ·
威武的啤酒 · react循环调用多个子组件ref-掘金· 6 月前 ·
仗义的冲锋衣 · Android 动画 - 属性动画 - 简书· 1 年前 ·
	import numpy as np  
	A1 = np.array([1,2,3])
    A2 = np.array([[1,2,3],[4,5,6]])
    print("A1: \n%s"%A1)   #显示格式 对齐
	print("A2: \n%s"%A2)
2. numpy.arange() +reshape()/ resize()
 
resize可以由原来的 array数组填充生成新的array数组 
	import numpy as np  
	A = np.arange(10).reshape(2,5)
	B = np.resize(A,(3,5)) 
	print("A: \n%s"%A)  #显示格式 
	print("B: \n%s"%B)
	print("A的类型 {}".format(type(A)))
３.创建规则矩阵
 
函数 ones() zeros() eye() identity() diag()
 Notice：
 (一) numpy.eye(N,M=None, k=0, dtype=<type ‘float’>)
 （1）N=M;（2）k=0 对角全为1；k>0 右上角第k条对角线全为1；k<0 左上角第k条为1
 (二) numpy.identity(n, dtype=None) 只能创建方形矩阵 
	import numpy as np
	A = np.ones((4,4))   # 单位矩阵 ，参数:元组 A.shape -> (4,4)
	B = np.zeros((4,4))  # 零矩阵
	C = np.eye(4,k = 0,dtype=int)    # 主对角线为全为1的对角矩阵
	D = np.identity(4)   #4维单位矩阵
	E = np.diag(np.arange(1,5))# [1,2,3,4]主对角线矩阵
	F = np.diag([3,2,1],k = 1)# 右上角第1条为[3,2,1] 4维对角线矩阵
	print('右上角第1条为[3,2,1] 4维对角线矩阵 \n%s'%F)	
4. 创建随机矩阵
 
生成一个随机数x 
	import numpy as np
	from random import choice #导入随机决策函数
	import math  
	pi = math.pi
	x = choice([0,pi/2,pi,3/2*pi,2*pi])  # 从随机列表中随机选择返回一个值
	print("1-> 随机生成的x： %s"%x)
生成整数/浮点数/关于π的矩阵并运算 
	A = np.random.rand(3,3)              # 3*3矩阵  0到1的浮点数
	B = np.random.randint(1,4,(3,3))     # 3*3矩阵  [1,2,3]的整型数
	C = np.random.choice([0,pi/2,pi,3/2*pi,2*pi],(3,2))  #生成 3*2 的随机矩阵
	D = np.sin(C) #计算C的sin()值
	print("2-> C: \n%s"%C)
	print("3-> D = sin(C): \n%s"%D)
	print("4-> D的数据类型: \n"+str(type(D)))
5. 数组与矩阵的转换
 
mat() array() 
  import numpy as np
  E = np.random.randint(0,10,(2,3))     # 2*3矩阵
  F = np.mat(E)
  print(F)
  print("E的数据类型: %s"%type(E))
  print("F的数据类型: %s"%type(F))
                    Python  Numpy 创建n维数组基本方法编程环境 Python3.7 + Pycharm&amp;lt;class ‘numpy.ndarray’&amp;gt;   通过 mat() / array()相互转换   &amp;lt;class ‘numpy.ndarray’&amp;gt;1. numpy.array()	import numpy as np  	A1 = np.array([1,2,3])...
				Python 创建一维数组、二维数组和N维数组
我们已经很熟悉在C++上创建一维二维数组了，那么如何在Python上创建二维数组呢
>>> A = [0]*3
>>> B = [[0]*2]*3
这样就可以得到我们的一维数组和二维数组了，我们可以看一下结果
[0, 0, 0]
[[0, 0], [0, 0], [0, 0]]
似乎好像这样的方法，就能很好的创建一个二维数组，但是，如果简单认为就这样就大错特错了
				我可以为您提供一些参考信息，但实际的实现过程还是需要您自己完成的。Python有很多强大的机器学习和深度学习库可以构建五维分类模型，比如TensorFlow、Keras或scikit-learn等等。这些库都提供详细的指导，您可以参考它们来实现五维分类模型。
				在Python中，由于不像C++/Java这样的语言可以方便的用a[i][j]=0的方式，建立二维数组并赋初值，所以需要一个相对巧妙的方法。
可以用列表解析的方式,eg：
>>> mat=[[0 for i in range(5)] for j in range(5)]
[[0, 0, 0, 0, 0], [0, 0, 0,...
				多维数组ndarray创建方式array()函数empty()函数zeros()函数ones()函数asarray()函数arange()函数linspace()函数logspace()函数random()函数ndarray对象属性shapendimitemsizesizedtype
Numpy中定义的最终对象是称为ndarray的N维数组类型。它描述相同类型的元素集合。可以使用基于零的索引访问...
				NumPy三维数组展开为二维数组可以通过reshape函数实现。reshape函数将三维数组依次排列为一维数组后，按照指定的二维形状重新排列为二维数组。假设三维数组的形状为(d1, d2, d3)，需要展开为二维数组的形状为(m, n)，则可以使用以下代码实现：
```python
import numpy as np
# 生成三维数组
arr_3d = np.random.rand(2, 3, 4)
# 将三维数组展开为二维数组
arr_2d = arr_3d.reshape(d1*d2, d3)
# 打印结果
print("arr_3d:\n", arr_3d)
print("arr_2d:\n", arr_2d)
其中，d1、d2、d3、m、n分别表示三维数组的三个维度和二维数组的行数和列数。需要注意的是，三维数组展开为二维数组时，对原数组的修改也将影响到展开后的数组，因为它们共享相同的内存空间。因此，在展开前需要先考虑是否需要备份原数组。