软件测试|Python科学计算神器numpy教程(二)
前言
上一篇文章我们介绍了numpy的安装和ndarray的部分知识,本篇文章我们来介绍一下numpy的数组的常用属性以及创建数组相关内容。
数组常用属性
- ndarray.shape
shape 属性的返回值一个由数组维度构成的元组,比如 2 行 3 列的二维数组可以表示为(2,3),该属性可以用来调整数组维度的大小,示例如下:
import numpy as np
a = np.array([[2,4,6],[3,5,7]])
print(a.shape)
-------------------
输出结果如下:
(2, 3)
当然我们也可以通过shape属性修改数组的形状大小:
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
a.shape = (3,2)
print(a)
----------------
输出结果如下:
[[1 2]
[3 4]
[5 6]]
- ndarray.reshape()
reshape() 函数可以调整数组形状,示例如下:
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = a.reshape(3,2)
print(b)
--------------------
输出结果如下:
[[1 2]
[3 4]
[5 6]]
- ndarray.ndim
上一篇文章已经介绍了,这个方法返回的是数组的维数,示例如下:
import numpy as np
#随机生成一个一维数组
c = np.arange(24)
print(c)
print(c.ndim)
#对数组进行变维操作
e = c.reshape(2,4,3)
print(e)
print(e.ndim)
------------------------
输出结果如下:
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
1
[[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
[[12 13 14]
[15 16 17]
[18 19 20]
[21 22 23]]]
3
- ndarray.itemsize
返回数组中每个元素的大小(以字节为单位),示例如下:
#数据类型为int8,代表1字节
import numpy as np
x = np.array([1,2,3,4,5], dtype = np.int8)
print (x.itemsize)
---------------------
输出结果如下:
1
#数据类型为int64,代表8字节
import numpy as np
x = np.array([1,2,3,4,5], dtype = np.int64)
print (x.itemsize)
-------------------------
输出结果如下:
8
- ndarray.flags
返回 ndarray 数组的内存信息,比如 ndarray 数组的存储方式,以及是否是其他数组的副本等,示例如下:
import numpy as np
x = np.array([1,2,3,4,5])
print (x.flags)
------------------
输出结果如下:
C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False
创建数组
之前我们介绍了使用array()方法创建数组,现在我们介绍其他几个创建数组的方法。
- numpy.empty()
numpy.empty() 创建未初始化的数组,可以指定创建数组的形状(shape)和数据类型(dtype),语法格式如下:
numpy.empty(shape, dtype = float, order = 'C')
参数说明:
- shape:指定数组的形状
- dtype:数组元素的数据类型,默认值是值 float
- order:指数组元素在计算机内存中的储存顺序,默认顺序是“C”(行优先顺序)
示例如下:
import numpy as np
arr = np.empty((4,2), dtype = int)
print(arr)
--------------------------
输出结果如下:
[[ 385967105 -2113830144]
[ 2080601089 -2097118463]
[ 687887105 17654018]
[ 537526272 1344282656]]
注:numpy.empty()创建的数组并不是空数组,而是带有随机值的数组,这些值没有任何意义
- numpy.zeros()
numpy.zeros()创建元素均为 0 的数组,同时还可以指定被数组的形状,语法格式如下:
numpy. zeros(shape,dtype=float,order="C")
参数说明:
- shape:指定数组的形状大小
- dtype:可选项,数组的数据类型
- order:“C”代表以行顺序存储,“F”则表示以列顺序存储
示例如下:
import numpy as np
#默认数据类型为浮点数
a=np.zeros(6)
print(a)
-------------------
输出结果如下:
[0. 0. 0. 0. 0. 0.]
- numpy.ones()
numpy.ones()指定形状大小与数据类型的新数组,并且新数组中每项元素均用 1 填充,语法格式如下:
numpy.ones(shape, dtype = None, order = 'C')
import numpy as np
arr1 = np.ones((3,2), dtype = int)
print(arr1)
-----------------
输出结果如下:
[[1 1]
[1 1]
[1 1]]
- numpy.asarray()
asarray() 与 array() 类似,但是它比 array() 更为简单。asarray() 能够将一个 Python 序列转化为 ndarray 对象,语法格式如下:
numpy.asarray(sequence,dtype = None ,order = None )
参数说明:
- sequence:接受一个 Python 序列,可以是列表或者元组
- dtype:可选参数,数组的数据类型
- order:数组内存布局样式,可以设置为 C 或者 F,默认是 C
示例如下:
# 列表转化为 numpy 数组
import numpy as np
l=[1,2,3,4,5,6,7]
a = np.asarray(l);
print(type(a))
print(a)
--------------------
输出结果如下:
<class 'numpy.ndarray'>
[1 2 3 4 5 6 7]
# 使用元组创建 numpy 数组
import numpy as np
t=(1,2,3,4,5,6,7)
a = np.asarray(t);
print(type(a))
print(a)
----------------
输出结果如下:
<class 'numpy.ndarray'>
[1 2 3 4 5 6 7]
# 使用嵌套列表创建多维数组
import numpy as np
l=[[1,2,3,4,5,6,7],[8,9]]
a = np.asarray(l, dtype=object);
print(type(a))
print(a)
------------------
输出结果如下:
<class 'numpy.ndarray'>
[list([1, 2, 3, 4, 5, 6, 7]) list([8, 9])]
- numpy.frombuffer()
使用指定的缓冲区创建数组,语法如下:
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
参数说明:
- buffer:将任意对象转换为流的形式读入缓冲区
- dtype:返回数组的数据类型,默认是 float32
- count:要读取的数据数量,默认为 -1 表示读取所有数据
- offset:读取数据的起始位置,默认为 0
示例如下:
import numpy as np
#字节串类型
l = b'hello world'
print(type(l))
a = np.frombuffer(l, dtype = "S1")
print(a)
print(type(a))
---------------------
输出结果如下:
<class 'bytes'>
[b'h' b'e' b'l' b'l' b'o' b' ' b'w' b'o' b'r' b'l' b'd']
<class 'numpy.ndarray'>
- numpy.fromiter()
把迭代对象转换为 ndarray 数组,其返回值是一个一维数组,语法如下:
numpy.fromiter(iterable, dtype, count = -1)
参数说明:
- iterable:可迭代对象
- dtype:返回数组的数据类型
- count:读取的数据数量,默认为 -1,读取所有数据
示例:
import numpy as np
# 使用 range 函数创建列表对象
list=range(7)
#生成可迭代对象i
i=iter(list)
#使用i迭代器,通过fromiter方法创建ndarray
array=np.fromiter(i, dtype=float)
print(array)
----------------------
输出结果如下:
[0. 1. 2. 3. 4. 5. 6.]
总结
本文主要介绍array的内置属性以及创建array的不同方法,我们需要尤其注意使用numpy.empty()创建数组时,创建的数组并不是一个空的数组,我们使用空方法,但生成的不是空数组。