齐次多维数组是 NumPy 的主要对象。它基本上是一个元素表,这些元素都是相同类型的,并由一个正整数元组索引。
NumPy的数组类称为 ndarray 或alias array。 numpy.array与标准Python库类 array.array 不同。 array.array仅处理一维数组,并提供较少的功能。
numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
numpy.array()函数中包含以下参数。
链接:https://www.learnfk.comhttps://www.learnfk.com/numpy/numpy-array.html
来源:LearnFk无涯教程网
1)object - array_like
2)dtype - data-type 可选
此参数用于定义数组元素的所需参数。如果无涯教程未定义数据类型,则它将确定该类型为将对象保留在序列中所需的最小类型。3)copy - bool(可选)
如果将copy设置为true,则将复制对象,否则当对象是嵌套序列或需要满足其他任何其他要求(例如dtype,order等)时,将复制该对象。4)order - {'K','A','C','F'},可选
order参数指定阵列的内存布局。当对象不是数组时,除非指定“ F”,否则新创建的数组将以C顺序出现。当指定F时,它将以Fortran顺序进行。当对象是数组时,它保持以下顺序。当copy = False或出于其他原因进行复制时,结果将与copy = True相同,但A例外。默认顺序为'K'。
5)subok - bool(可选)
当subok = True时,子类将通过。否则,返回的数组将强制为基类数组(默认)。
6)ndmin - int(可选)
此参数指定结果数组应具有的最小维数。用户可以根据需要预先设置形状,以满足该要求。
numpy.array()方法返回一个ndarray。 ndarray是满足指定要求的数组对象。
import numpy as np arr=np.array([1,2,3]) arr
输出:
array([1, 2, 3])
在上面的代码中
在输出中,显示了一个数组。
import numpy as np arr=np.array([1,2.,3.]) arr
输出:
array([1., 2., 3.])
在上面的代码中
在输出中,显示了一个数组,其中包含此类元素,这些元素需要最少的内存才能按顺序保留对象。
import numpy as np arr=np.array([[1,2.,3.],[4.,5.,7]]) arr
输出:
array([[1., 2., 3.], [4., 5., 7.]])
在上面的代码中
在输出中,显示了多维数组。
import numpy as np arr=np.array([1,2.,3.],ndmin=2) arr
输出:
array([[1., 2., 3.]])
在上面的代码中
在输出中,显示了一个二维数组。
import numpy as np arr=np.array([12,45.,3.],dtype=complex) arr
输出:
array([12.+0.j, 45.+0.j, 3.+0.j])
在上面的代码中
在输出中," arr"元素的值以复数形式显示。
import numpy as np arr=np.array(np.mat('1 2;3 4')) arr arr=np.array(np.mat('1 2;3 4'),subok=True) arr
输出:
array([[1, 2], [3, 4]]) matrix([[1, 2], [3, 4]])
在上面的代码中
在输出中,显示了多维数组。
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)
Python实战 · 从0到1搭建直播视频平台 -〔Barry〕