函数调用方法:
1
|
numpy.array( object , dtype = None ) |
各个参数意义:
- object:创建的数组的对象,可以为单个值,列表,元胞等。
- dtype:创建数组中的数据类型。
- 返回值:给定对象的数组。
普通用法:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import numpy as np array = np.array([ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ]) print ( "数组array的值为: " ) print (array) print ( "数组array的默认类型为: " ) print (array.dtype) """ result: 数组array的值为: [0 1 2 3 4 5 6 7 8 9] 数组array的默认类型为: int32 """ |
我们可以看到,我们成功创建了给定元素的数组,并且创建数组的默认类型为np.int32类型。
进阶用法:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import numpy as np array = np.array([ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ], dtype = np.float32) print ( "数组array的值为: " ) print (array) print ( "数组array的默认类型为: " ) print (array.dtype) """ result: 数组array的值为: [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.] 数组array的默认类型为: float32 """ |
我们成功创建了给定元素的数组,并且创建数组的默认类型为np.float32类型。
更高级的用法:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
import numpy as np array = np.array(( 1 , 2 ), dtype = [( 'x' , np.int8), ( 'y' , np.int16)]) print ( "数组array的值为: " ) print (array) print ( "数组array的默认类型为: " ) print (array.dtype) print ( "数组array中对应x标签元素为: " ) print (array[ 'x' ]) print ( "数组array中对应y标签元素为: " ) print (array[ 'y' ]) """ result: 数组array的值为: (1, 2) 数组array的默认类型为: [('x', 'i1'), ('y', '<i2')] 数组array中对应x标签元素为: 1 数组array中对应y标签元素为: 2 """ |
我们可以看到,我们在创建数组的同时,可以设定其中单个元素的数据类型,这里的'i1'指代的便是np.int8类型,'i2'指代的是'np.int16'类型。读者可以自行尝试,这里不做过多讨论,后续也许会补充说明。
最高级的用法:
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
27
28
29
|
import numpy as np # Create rain data n_drops = 10 rain_drops = np.zeros(n_drops, dtype = [( 'position' , float , ( 2 ,)), ( 'size' , float ), ( 'growth' , float ), ( 'color' , float , ( 4 ,))]) # Initialize the raindrops in random positions and with # random growth rates. rain_drops[ 'position' ] = np.random.uniform( 0 , 1 , (n_drops, 2 )) rain_drops[ 'growth' ] = np.random.uniform( 50 , 200 , n_drops) print (rain_drops) """ result: [([0.70284885, 0.03590322], 0., 176.4511602 , [0., 0., 0., 0.]) ([0.60838294, 0.49185854], 0., 60.51037667, [0., 0., 0., 0.]) ([0.86525398, 0.65607663], 0., 168.00795695, [0., 0., 0., 0.]) ([0.25812877, 0.14484747], 0., 80.17753717, [0., 0., 0., 0.]) ([0.66021716, 0.90449213], 0., 121.94125106, [0., 0., 0., 0.]) ([0.88306332, 0.51074725], 0., 92.4377108 , [0., 0., 0., 0.]) ([0.68916433, 0.89543162], 0., 90.77596431, [0., 0., 0., 0.]) ([0.7105655 , 0.68628326], 0., 144.88783652, [0., 0., 0., 0.]) ([0.6894679 , 0.90203559], 0., 167.40736266, [0., 0., 0., 0.]) ([0.92558218, 0.34232054], 0., 93.48654986, [0., 0., 0., 0.])] """ |
到此这篇关于np.array()函数的使用方法的文章就介绍到这了,更多相关np.array()使用内容请搜索服务器之家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服务器之家!
原文链接:https://blog.csdn.net/u011699626/article/details/122194100