np.array()函数如何使用

这篇文章主要讲解了“np.array()函数如何使用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“np.array()函数如何使用”吧！

函数调用方法：

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：

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：

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：

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：

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.])]
"""

感谢各位的阅读，以上就是“np.array()函数如何使用”的内容了，经过本文的学习后，相信大家对np.array()函数如何使用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！