numpy array 用法及代码示例
用法:
numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
创建一个数组。
– | 描述 |
---|---|
参数 | object: : array_like
数组,暴露数组接口的任何对象,__ array__方法返回数组的对象或任何(嵌套的)序列。 数组所需的数据类型。如果未给出,则将类型确定为在序列中保存对象所需的最小类型。此参数只能用于‘upcast’数组。对于向下转换,请使用.astype(t)方法。 如果为true(默认值),则复制对象。否则,仅当__array__返回一个副本,obj是一个嵌套序列,或者需要一个副本来满足任何其他要求时才创建副本(dtype,订单等)。 指定阵列的内存布局。如果object不是数组,则除非指定‘F’,否则新创建的数组将以C顺序(行主),在这种情况下,它将以Fortran顺序(行主)。如果object是一个数组,则以下成立。 当copy=False并出于其他原因进行了复制,结果与copy=True,但A除外,请参见“注释”部分。默认顺序为‘K’。 如果为True,则子类将为passed-through,否则,返回的数组将被强制为base-class数组(默认)。 指定结果数组应具有的最小维数。可以根据需要预先添加形状。 |
返回值 | out: : ndarray
满足指定要求的数组对象。 |
注意:
当订单为‘A’且object是既不是‘C’也不是‘F’顺序的数组,并且由于dtype的更改而强制执行复制,则结果的顺序不一定是预期的‘C’。这可能是一个错误。
例子:
>>> np.array([1, 2, 3])
array([1, 2, 3])
上投:
>>> np.array([1, 2, 3.0])
array([ 1., 2., 3.])
多个维度:
>>> 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]])
提供的类型:
>>> np.array([1, 2, 3], dtype=complex)
array([ 1.+0.j, 2.+0.j, 3.+0.j])
数据类型包含多个元素:
>>> x = np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i4')])
>>> x['a']
array([1, 3])
从子类创建数组:
>>> 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]])
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。