Python numpy array用法及代码示例

本文简要介绍 python 语言中 numpy.array 的用法。

用法:

numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)

创建一个数组。

参数：

object： array_like

数组，任何暴露数组接口的对象，其 __array__ 方法返回数组的对象，或任何(嵌套)序列。如果 object 是标量，则返回包含 object 的 0 维数组。

dtype： 数据类型，可选

数组所需的数据类型。如果没有给出，那么类型将被确定为在序列中保存对象所需的最小类型。

copy： 布尔型，可选

如果为 true(默认)，则复制该对象。否则，仅当 __array__ 返回副本、obj 是嵌套序列或需要副本来满足任何其他要求时才会创建副本(numpy.dtype,次序， ETC。)。

order： {‘K’、‘A’、‘C’、‘F’}，可选

指定数组的内存布局。如果 object 不是数组，则新创建的数组将按 C 顺序(主要行)，除非指定了“F”，在这种情况下，它将按照 Fortran 顺序(主要列)。如果 object 是一个数组，则以下内容成立。

次序	没有副本	复制=真
'K'	unchanged	F & C 订单保留，否则最相似的订单
'一种'	unchanged	如果输入是 F 而不是 C，则为 F 顺序，否则为 C 顺序
'C'	C订单	C订单
'F'	F阶	F阶

当 copy=False 并出于其他原因制作副本时，结果与 copy=True 相同，但“A”有一些例外，请参阅注释部分。默认顺序是“K”。

subok： 布尔型，可选

如果为 True，则子类将为 passed-through，否则返回的数组将被强制为 base-class 数组(默认)。

ndmin： 整数，可选

指定结果数组应具有的最小维数。将根据需要预先添加到形状以满足此要求。

like： array_like

允许创建非 NumPy 数组的引用对象。如果作为 like 传入的类似数组支持 __array_function__ 协议，则结果将由它定义。在这种情况下，它确保创建一个与通过此参数传入的数组对象兼容的数组对象。

返回：

out： ndarray

满足指定要求的数组对象。

注意：

当 order 为“A”且 object 既不是“C”也不是“F”顺序的数组，并且由于 dtype 的更改而强制执行副本，则结果的顺序不一定是预期的“C”。这很可能是一个错误。

例子：

>>> np.array([1, 2, 3])
array([1, 2, 3])

向上转换：

>>> np.array([1, 2, 3.0])
array([ 1.,  2.,  3.])

不止一个维度：

>>> np.array([[1, 2], [3, 4]])
array([[1, 2],
       [3, 4]])

最小尺寸 2：

>>> np.array([1, 2, 3], ndmin=2)
array([[1, 2, 3]])

提供的类型：

>>> np.array([1, 2, 3], dtype=complex)
array([ 1.+0.j,  2.+0.j,  3.+0.j])

由多个元素组成的数据类型：

>>> x = np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i4')])
>>> x['a']
array([1, 3])

从子类创建数组：

>>> np.array(np.mat('1 2; 3 4'))
array([[1, 2],
       [3, 4]])

>>> np.array(np.mat('1 2; 3 4'), subok=True)
matrix([[1, 2],
        [3, 4]])