Python numpy array用法及代碼示例

本文簡要介紹 python 語言中 numpy.array 的用法。

用法:

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

創建一個數組。

參數：

object： array_like

數組，任何暴露數組接口的對象，其 __array__ 方法返回數組的對象，或任何(嵌套)序列。如果 object 是標量，則返回包含 object 的 0 維數組。

dtype： 數據類型，可選

數組所需的數據類型。如果沒有給出，那麽類型將被確定為在序列中保存對象所需的最小類型。

copy： 布爾型，可選

如果為 true(默認)，則複製該對象。否則，僅當 __array__ 返回副本、obj 是嵌套序列或需要副本來滿足任何其他要求時才會創建副本(numpy.dtype,次序， ETC。)。

order： {‘K’、‘A’、‘C’、‘F’}，可選

指定數組的內存布局。如果 object 不是數組，則新創建的數組將按 C 順序(主要行)，除非指定了“F”，在這種情況下，它將按照 Fortran 順序(主要列)。如果 object 是一個數組，則以下內容成立。

次序	沒有副本	複製=真
'K'	unchanged	F & C 訂單保留，否則最相似的訂單
'一種'	unchanged	如果輸入是 F 而不是 C，則為 F 順序，否則為 C 順序
'C'	C訂單	C訂單
'F'	F階	F階

當 copy=False 並出於其他原因製作副本時，結果與 copy=True 相同，但“A”有一些例外，請參閱注釋部分。默認順序是“K”。

subok： 布爾型，可選

如果為 True，則子類將為 passed-through，否則返回的數組將被強製為 base-class 數組(默認)。

ndmin： 整數，可選

指定結果數組應具有的最小維數。將根據需要預先添加到形狀以滿足此要求。

like： array_like

允許創建非 NumPy 數組的引用對象。如果作為 like 傳入的類似數組支持 __array_function__ 協議，則結果將由它定義。在這種情況下，它確保創建一個與通過此參數傳入的數組對象兼容的數組對象。

返回：

out： ndarray

滿足指定要求的數組對象。

注意：

當 order 為“A”且 object 既不是“C”也不是“F”順序的數組，並且由於 dtype 的更改而強製執行副本，則結果的順序不一定是預期的“C”。這很可能是一個錯誤。

例子：

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

向上轉換：

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

不止一個維度：

>>> 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]])

提供的類型：

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

由多個元素組成的數據類型：

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

從子類創建數組：

>>> 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]])