网站使用流程图,广州商城网站建设地址,低价手机网站建设,刚察县wap网站建设公司一维数据#xff1a;向量 二位数据#xff1a;矩阵 维度超过三维的数据#xff1a;张量 这些数据在numpy中统称array
(1)使用穷举法创建多为数据,接受列表或者元组类型的数据
a numpy.array([1, 2, 3])
b numpy.array([[1, 2, 3], (4, 5, 6), [7, 8, 9]]) (2)创建所有元…一维数据向量 二位数据矩阵 维度超过三维的数据张量 这些数据在numpy中统称array
(1)使用穷举法创建多为数据,接受列表或者元组类型的数据
a numpy.array([1, 2, 3])
b numpy.array([[1, 2, 3], (4, 5, 6), [7, 8, 9]]) (2)创建所有元素为0的array
def zeros(shape, dtypeNone, orderC, likeNone)
shape:形状参数提供数据的维度尺寸维度从左至右依次为 最外侧维度-最内侧维度最大维度-最小维度
dtype:数据元素类型
order {C, F}可选,行优先(C-style),列优先(Fortran-style)
zero_data np.zeros((2, 3, 5)) 提供了shape形状参数
(3)创建所有元素为1的array
ones(shape, dtypeNone, orderC, *, likeNone)
one_data np.ones((3, 4, 7, 2))
(4)空array,即数组的元素不初始化而是包含随机数据切默认类型为float
empty(shape, dtypefloat, orderC, *, likeNone)
empty_data np.empty((3, 4))
(5)步进array(只能是向量)区间左闭右开
arange(start, stop, step, dtypeNone, *, likeNone)
arange_array np.arange(10, 30, 5)
6reshape()重新定义数据的形状。
-1未知尺寸,表示自动识别所在维度的大小所以reshape(-1, 1)常用于将一个向量重构成一个二维一列的矩阵立起来使用-1不能超过1个。
t_array arange_array.reshape(-1, 1)
t1_array empty_data.reshape(2, -1, 3)
7array的属性
维度ndim
ndim1 t1_array.ndim
尺寸size,既所有元素的个数也是各维度尺寸的乘积
size1 one_data.size
元素类型dtype
dtype1 t1_array.dtype
