介绍
这篇文章将为大家详细讲解有关numpy中封装的数组有什么用,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
python中的列表是python的内置数据类型,列表中的数据类不必相同的,而数组的中的类型必须全部相同。
在列表中的数据类型保存的是数据的存放的地址,简单的说就是指针,并非数据,这样保存一个列表就太麻烦了,例如list1=[1, 2, 3, & # 39;一个# 39;]需要4个指针和四个数据,增加了存储和消耗cpu。
<强> numpy中封装的数组有很强大的功能,里面存放的都是相同的数据类型强>
list1=[1, 2, 3, & # 39;一个# 39;】 print list1 , 一个=np.array ([1、2、3、4、5)) b=np.array ([[1, 2, 3], [4、5、6]]) c=列表(a),,, #,到列表的数组转换 print np.shape(一) print b, np.shape (b) print c, np.shape (c)
运行结果:
[1,,2,,3,,& # 39;一个# 39;],#,元素数据类型不同,并且用逗号隔开 [1,2,3,4,5],(5 l), #,一维数组,类型用元组表示 [[1,2,3] (4,5,6)),(2 l, 3升) [1,2,3,4,5],(5 l)
,数组的创建:参数既可以是列表,也可以是元组。使用对应的属性形状直接得到形状
a=np.array((1、2、3、4、5)) #,参数是元组 b=np.array([6 7 8 9 0]) #,参数是列表 c=np.array([[1, 2, 3],[4、5、6]]) #,参数二维数组 print a、b c.shape ()
,,也可以直接改变属性数组的形状,1代表的是自己推算。这里并不是T,重塑(())也可以
c =, np.array ([[1,, 2,, 3,, 4], [4,, 5, 6, 7],, [7, 8, 9, 10]]) c.shape #, (3 l, 4 l) c.shape=4, 1,,,//c.reshape ((2, 1)) c
关于numpy中封装的数组有什么用就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看的到。