软件测试|Python科学计算神器numpy教程（二）
原创软件测试|Python科学计算神器numpy教程（二）
原创
前言
上一篇文章我们介绍了numpy的安装和ndarray的部分知识，本篇文章我们来介绍一下numpy的数组的常用属性以及创建数组相关内容。
数组常用属性
- ndarray.shape
shape 属性的返回值一个由数组维度构成的元组，比如 2 行 3 列的二维数组可以表示为(2,3)，该属性可以用来调整数组维度的大小，示例如下：
import numpy as np
a = np.array([[2,4,6],[3,5,7]])
print(a.shape)
-------------------
输出结果如下：
(2, 3)当然我们也可以通过shape属性修改数组的形状大小：
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
a.shape = (3,2)
print(a)
----------------
输出结果如下：
[[1 2]
[3 4]
[5 6]]- ndarray.reshape()
reshape() 函数可以调整数组形状，示例如下：
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = a.reshape(3,2)
print(b)
--------------------
输出结果如下：
[[1 2]
[3 4]
[5 6]]- ndarray.ndim
上一篇文章已经介绍了，这个方法返回的是数组的维数，示例如下：
import numpy as np
#随机生成一个一维数组
c = np.arange(24)
print(c)
print(c.ndim)
#对数组进行变维操作
e = c.reshape(2,4,3)
print(e)
print(e.ndim)
------------------------
输出结果如下：
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
1
[[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
[[12 13 14]
[15 16 17]
[18 19 20]
[21 22 23]]]
3- ndarray.itemsize
返回数组中每个元素的大小（以字节为单位），示例如下：
#数据类型为int8，代表1字节
import numpy as np
x = np.array([1,2,3,4,5], dtype = np.int8)
print (x.itemsize)
---------------------
输出结果如下：
1#数据类型为int64，代表8字节
import numpy as np
x = np.array([1,2,3,4,5], dtype = np.int64)
print (x.itemsize)
-------------------------
输出结果如下：
8- ndarray.flags
返回 ndarray 数组的内存信息，比如 ndarray 数组的存储方式，以及是否是其他数组的副本等，示例如下：
import numpy as np
x = np.array([1,2,3,4,5])
print (x.flags)
------------------
输出结果如下:
C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False创建数组
之前我们介绍了使用array()方法创建数组，现在我们介绍其他几个创建数组的方法。
- numpy.empty()
numpy.empty() 创建未初始化的数组，可以指定创建数组的形状（shape）和数据类型（dtype），语法格式如下：
numpy.empty(shape, dtype = float, order = 'C')参数说明：
- shape：指定数组的形状
- dtype：数组元素的数据类型，默认值是值 float
- order：指数组元素在计算机内存中的储存顺序，默认顺序是“C”(行优先顺序)
示例如下：
import numpy as np
arr = np.empty((4,2), dtype = int)
print(arr)
--------------------------
输出结果如下：
[[ 385967105 -2113830144]
[ 2080601089 -2097118463]
[ 687887105 17654018]
[ 537526272 1344282656]]注：numpy.empty()创建的数组并不是空数组，而是带有随机值的数组，这些值没有任何意义
- numpy.zeros()
numpy.zeros()创建元素均为 0 的数组，同时还可以指定被数组的形状，语法格式如下：
numpy. zeros(shape,dtype=float,order="C")参数说明：
- shape：指定数组的形状大小
- dtype：可选项，数组的数据类型
- order：“C”代表以行顺序存储，“F”则表示以列顺序存储
示例如下：
import numpy as np
#默认数据类型为浮点数
a=np.zeros(6)
print(a)
-------------------
输出结果如下：
[0. 0. 0. 0. 0. 0.]- numpy.ones()
numpy.ones()指定形状大小与数据类型的新数组，并且新数组中每项元素均用 1 填充，语法格式如下：
numpy.ones(shape, dtype = None, order = 'C')import numpy as np
arr1 = np.ones((3,2), dtype = int)
print(arr1)
-----------------
输出结果如下：
[[1 1]
[1 1]
[1 1]]- numpy.asarray()
asarray() 与 array() 类似，但是它比 array() 更为简单。asarray() 能够将一个 Python 序列转化为 ndarray 对象，语法格式如下：
numpy.asarray（sequence，dtype = None ，order = None ）参数说明：
- sequence：接受一个 Python 序列，可以是列表或者元组
- dtype：可选参数，数组的数据类型
- order：数组内存布局样式，可以设置为 C 或者 F，默认是 C
示例如下：
# 列表转化为 numpy 数组
import numpy as np
l=[1,2,3,4,5,6,7]
a = np.asarray(l);
print(type(a))
print(a)
--------------------
输出结果如下：
<class 'numpy.ndarray'>
[1 2 3 4 5 6 7]
# 使用元组创建 numpy 数组
import numpy as np
t=(1,2,3,4,5,6,7)
a = np.asarray(t);
print(type(a))
print(a)
----------------
输出结果如下：
<class 'numpy.ndarray'>
[1 2 3 4 5 6 7]
# 使用嵌套列表创建多维数组
import numpy as np
l=[[1,2,3,4,5,6,7],[8,9]]
a = np.asarray(l, dtype=object);
print(type(a))
print(a)
------------------
输出结果如下：
<class 'numpy.ndarray'>
[list([1, 2, 3, 4, 5, 6, 7]) list([8, 9])]- numpy.frombuffer()
使用指定的缓冲区创建数组，语法如下：
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)参数说明：
- buffer：将任意对象转换为流的形式读入缓冲区
- dtype：返回数组的数据类型，默认是 float32
- count：要读取的数据数量，默认为 -1 表示读取所有数据
- offset：读取数据的起始位置，默认为 0
示例如下：
import numpy as np
#字节串类型
l = b'hello world'
print(type(l))
a = np.frombuffer(l, dtype = "S1")
print(a)
print(type(a))
---------------------
输出结果如下：
<class 'bytes'>
[b'h' b'e' b'l' b'l' b'o' b' ' b'w' b'o' b'r' b'l' b'd']
<class 'numpy.ndarray'> - numpy.fromiter()
把迭代对象转换为 ndarray 数组，其返回值是一个一维数组，语法如下：
numpy.fromiter(iterable, dtype, count = -1)参数说明：
- iterable：可迭代对象
- dtype：返回数组的数据类型
- count：读取的数据数量，默认为 -1，读取所有数据
示例：
import numpy as np
# 使用 range 函数创建列表对象
list=range(7)
#生成可迭代对象i
i=iter(list)
#使用i迭代器，通过fromiter方法创建ndarray
array=np.fromiter(i, dtype=float)
print(array)
----------------------
输出结果如下：
[0. 1. 2. 3. 4. 5. 6.]总结
本文主要介绍array的内置属性以及创建array的不同方法，我们需要尤其注意使用numpy.empty()创建数组时，创建的数组并不是一个空的数组，我们使用空方法，但生成的不是空数组。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
腾讯云开发者
