标签：
数组是Numpy操作的主要对象，也是python数据分析的主要对象，本系列文章是本人在学习Numpy中的笔记。
文章中以下都基于以下方式的numpy导入：
import numpy as np from numpy import *
1、普通数组的创建——np.arange(), np.array(),
(1) arange()建立是顺序数组，函数原型：arange([start,]stop[,step],dtype=None)
其中start参数如果省略，则表示从0开始，默认的dtype为float32
#创建从0-19的一维数组ar_1 ar_1=np.arange(20) #output: ar_1=array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,17, 18, 19]) #创建11-20,step=2的一维数组ar_2 ar_2=np.arange(11,21,2) #output:ar_2=array([11, 13, 15, 17, 19])
(2)array()的主要用于创建多维数组，原型为：array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)
#创建一个2*3的数组，数据类型为int32 ary_1=np.array([[2,2,3],[5,7,3]],dtype=int32) #output：ary_1=([[2, 2, 3], # [5, 7, 3]], dtype=int32) #创建一个2*3*3的数组，数据类型默认： ary_2=np.array([[[3,4,5],[3.3,4.2,4.2],[1.3,2.2,5.8]],[[2.3,1.9,5.7],[4.5,6.7,9.7],[2.2,1.2,7.99]]]) #output: #array([[[ 3. , 4. , 5. ], # [ 3.3 , 4.2 , 4.2 ], # [ 1.3 , 2.2 , 5.8 ]], # # [[ 2.3 , 1.9 , 5.7 ], # [ 4.5 , 6.7 , 9.7 ], # [ 2.2 , 1.2 , 7.99]]]) ary_2.dtype #output:dtype(‘float64‘)，
#虽然由int和float， array是以可以保存这些数据的最小数据类型保存，所以是float32
#当然也可以通过reshape等方式改变数组的维度，从而获得自己所需要的数组
ary_3=np.arange(20,30).reshape(2,5)
#output:ary_3
#array([[20, 21, 22, 23, 24],
# [25, 26, 27, 28, 29]])
2. 特殊数组的创建：
（1）空数组：empty(),empty_like()
#创建一个3*3的空数组： e_1=np.empty([3,3]) #In [89]: print e_1 #[[ 1.72723371e-077 2.68678134e+154 4.44659081e-323] #[ 0.00000000e+000 0.00000000e+000 0.00000000e+000] #[ 0.00000000e+000 0.00000000e+000 0.00000000e+000]] #填充的数值都是随机的random #通过empty_like创建与e_1一样形状的空数组 e_2=np.empty_like(e_1) #In [93]: print e_2 #[[ 1.72723371e-077 1.72723371e-077 2.00299617e-313] #[ 1.72723371e-077 5.92878775e-323 3.18299369e-313] #[ 0.00000000e+000 9.73471935e-309 0.00000000e+000]]
（2）其他特殊数组创建：eye, ones, zeros也有类似的结构，另外还有一个identity函数，用以创建方阵
#创建3*3主对角线为1的方阵： ey_1=np.eye(3,3,k=0) print ey_1 #[[ 1. 0. 0.] #[ 0. 1. 0.] #[ 0. 0. 1.]] #ey_2的对角线uper了一个位置（行） ey_2=np.eye(3,3,k=1) pringt ey_2 #[[ 0. 1. 0.] #[ 0. 0. 1.] #[ 0. 0. 0.]]
one_1=np.ones([5,9]) print one_1 #In [99]: print one_1 #[[ 1. 1. 1. 1. 1. 1. 1. 1. 1.] #[ 1. 1. 1. 1. 1. 1. 1. 1. 1.] #[ 1. 1. 1. 1. 1. 1. 1. 1. 1.] #[ 1. 1. 1. 1. 1. 1. 1. 1. 1.] #[ 1. 1. 1. 1. 1. 1. 1. 1. 1.]]
zero_1=np.zeros([2,3]) print zero_1 #[[ 0. 0. 0.] #[ 0. 0. 0.]]
In [103]: iden Out[103]: array([[ 1., 0., 0., 0., 0., 0., 0.], [ 0., 1., 0., 0., 0., 0., 0.], [ 0., 0., 1., 0., 0., 0., 0.], [ 0., 0., 0., 1., 0., 0., 0.], [ 0., 0., 0., 0., 1., 0., 0.], [ 0., 0., 0., 0., 0., 1., 0.], [ 0., 0., 0., 0., 0., 0., 1.]])
3. 结构体数组
通常，一个数组保存的元素都是同源的，即数组内所有元素都需为同一个类型。在实际的数据分析过程中，尤其是二维spreadsheet式格式的数据，同一行的数据由不同的类型构成。这就需要为这种数据定义一个个性的dtype。dtype实际上是一个类，可以通过赋予参数定义特殊的结构体数组类型。（个人觉得有点类似于SAS中的informat）
#定义一个名称为person的dtype，通过dtype #一个peson由name,age和weight构成 person=np.dtype([(‘name‘,str,20),(‘age‘,int32),(‘weight‘,float32)]) print person #[(‘name‘, ‘S20‘), (‘age‘, ‘<i4‘), (‘weight‘, ‘<f4‘)] #就可以创建dtype为person的数组了 student=array([(‘cnblog‘,10,12.2),(‘myBlog‘,40,30)],dtype=person) #由于类型规定了参数的个数，所以需要用tuple来创建数组的行数（因为其不可变），否则可能会有一个readable的exception print student #[(‘cnblog‘, 10, 12.199999809265137) (‘myBlog‘, 40, 30.0)]
4. 从文件创建（后续会有专门介绍）
标签：
原文地址：http://www.cnblogs.com/zhanghaohong/p/4854858.html
