Numpy 理解ndarray对象的示例代码

  numpy作为python科学计算的基础模块，支撑起了pandas、matplotlib等使用。其中，ndarray作为numpy的重要使用对象不得不研究理解一下。

  ndarray，存储单一数据类型的多维数组结构，在内存中连续存在，以行索引和列索引的方式标记数组中的每一个元素。采用预编译好的C语言代码，性能上的表现十分不错。

1、ndarray的数据结构

2、ndarray的创建

numpy主要有以下几种方式创建数组。除此之外，其他过程也可能产生数组，比如：cv2.imread读取图片，返回数组。

np.array() # 传入类数组数据结构，list，tuple等，或者其他嵌套序列。返回的维度依据传入的数据而定
np.linspace() # 根据给定的间距生成等差序列，指定元素数量，返回一维数组
np.arange()# 根据给定的间距生成等差序列，指定步长。返回一维数组
np.ones() # 根据传入的shape，返回一个元素全是1的数组
np.zeros() # 根据传入的shape，返回一个元素全是0的数组
np.full() # 根据传入的shape和value，返回一个元素全是value的数组，比前面两个灵活
np.empty() # 根据传入的shape,返回一个元素全是随机化而不是空值的数组
np.genfromtxt() # 从文本文件读取生成一个数组

3、ndarray的抽象理解

先创建一个三个数组，一维、二维、三维。

arr1 = np.arange(3)
arr1
array([0, 1, 2])
---------------------------------------------------------
arr2 = np.arange(9).reshape(3,3)
arr2
array([[0, 1, 2],
    [3, 4, 5],
    [6, 7, 8]])
----------------------------------------------------------
arr3 = np.arange(27).reshape(3,3,3)
arr3
array([[[ 0, 1, 2],
    [ 3, 4, 5],
    [ 6, 7, 8]],

    [[ 9, 10, 11],
    [12, 13, 14],
    [15, 16, 17]],

    [[18, 19, 20],
    [21, 22, 23],
    [24, 25, 26]]])

在python中的arr结构如上所示。我们将其形象化表示出来，如下图。

一维数组只有一个维度，也叫rank，只有一个axis轴，axis=0。
二维数组有两个维度，有两个axis轴，axis=0和1。
三维数组有三个维度，有三个axis轴，axis=0、1、2。

我们直接在三维上执行索引操作，来理解ndarray的排布。

arr3[1,2,1]
输出16

  索引[1,2,1]依次从高维到低维，从axis轴2到1到0，1指三维上的第2个元素，即上图中间的数组，是一个二维数组。2指二维上的第3个元素，是一个一维数组。1值一维上的第2个元素。也可以试着从轴方向去理解索引的原理。
可以自己操作一下下面索引代码，看看出结果。

arr3[3,3,2]

  不同维度的ndarray shape理解如下。可以通俗的认为是从点带面，再到块。

4、ndarray的操作

  主要有索引、切片、过滤等，后续细谈。只要理解了ndarray，操作其实很简单。

Refer：
[1] https://danzhuibing.github.io/py_numpy_ndarray.html
[2] https://www.geeksforgeeks.org/numpy-ndarray/

到此这篇关于Numpy 理解ndarray对象的示例代码的文章就介绍到这了,更多相关Numpy ndarray对象内容请搜索python博客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python博客！