创建 NumPy ndarray 对象
NumPy 用于处理数组，NumPy 中的数组对象称为 ndarray。
我们可以使用 array() 函数创建一个 NumPy ndarray 对象。
实例
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))运行实例
type(): 这个内置的 Python 函数告诉我们传递给它的对象的类型。像上面的代码一样，它表明 arr 是 numpy.ndarray 类型。
要创建 ndarray，我们可以将列表、元组或任何类似数组的对象传递给 array() 方法，然后它将被转换为 ndarray：
实例
使用元组创建 NumPy 数组：
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)运行实例
数组中的维
数组中的维是数组深度（嵌套数组）的一个级别
**嵌套数组：**指的是将数组作为元素的数组。
0-D 数组
0-D 数组，或标量（Scalars），是数组中的元素。数组中的每个值都是一个 0-D 数组。
实例
用值 61 创建 0-D 数组：
import numpy as np
arr = np.array(61)
print(arr)运行实例
1-D 数组
其元素为 0-D 数组的数组，称为一维或 1-D 数组。
这是最常见和基础的数组
实例
创建包含值 1、2、3、4、5、6 的 1-D 数组：
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6])
print(arr)运行实例
2-D 数组
其元素为 1-D 数组的数组，称为 2-D 数组。
它们通常用于表示矩阵或二阶张量。
NumPy 有一个专门用于矩阵运算的完整子模块 numpy.mat。
实例
创建包含值 1、2、3 和 4、5、6 两个数组的 2-D 数组：
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)运行实例
3-D 数组
其元素为 2-D 数组的数组，称为 3-D 数组。
实例
用两个 2-D 数组创建一个 3-D 数组，这两个数组均包含值 1、2、3 和 4、5、6 的两个数组：
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)运行实例
检查维数？
NumPy 数组提供了 ndim 属性，该属性返回一个整数，该整数会告诉我们数组有多少维。
实例
检查数组有多少维：
import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)运行实例
更高维的数组
数组可以拥有任意数量的维。
在创建数组时，可以使用 ndmin 参数定义维数。
实例
创建一个有 5 个维度的数组，并验证它拥有 5 个维度：
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)运行实例
在此数组中，最里面的维度（第 5 个 dim）有 4 个元素，第 4 个 dim 有 1 个元素作为向量，第 3 个 dim 具有 1 个元素是与向量的矩阵，第 2 个 dim 有 1 个元素是 3D 数组，而第 1 个 dim 有 1 个元素，该元素是 4D 数组。
到此这篇关于Python入门教程(四十)Python的NumPy数组创建的文章就介绍到这了,更多相关Python的NumPy数组创建内容请搜索aitechtogether.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持aitechtogether.com！
