Python3NumPy——數組（1）之建立

開篇

numpy庫做爲科學計算的基礎庫，其地位至關重要，它是對數組操做的基石。它的存在使得線性代數以及矩陣論等相關知識在計算機上的表達更加方便與簡單，集中體現出了人想辦法，計算機去工做。

Python的numpy庫的安裝百度一下便可解決，部分Python3已將numpy庫做爲內置庫，能夠不安裝。

我將不按期更新Python3NumPy庫全系列文章，均以圖解方式闡述，其目標讓初學者入門簡單，快速理解，讀者可採用文章後的代碼驗證便可，也可根據介紹本身觸類旁通，達到融匯貫通的境界。

本系列文章集中在Numpy庫，這也是爲後續數據處理打下堅實的基礎，適合零基礎的數據處理的人員。

1導入模塊庫numpy

import numpy as np

2一維數組的簡單建立

注：np.arange()直接能夠根據參數生成一維數組。np.arange(起始, 終止, 步長)

3二維數組的簡單建立

注：np.array()能夠根據參數對象（列表、元組等）生成數組。

3三維數組的建立-採用嵌套方案

4代碼驗證吧

>>> import numpy as np >>> a = np.arange(10) >>> a array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> a = np.arange(1,10) >>> a array([1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> a = np.arange(1,10,3) >>> a array([1, 4, 7]) >>> #2D
>>> M = np.array([[1,2],[3,4]]) #參數爲列表
>>> M array([[1, 2], [3, 4]]) >>> M = np.array(([1,2],[3,4])) #參數爲元組
>>> M array([[1, 2], [3, 4]]) >>> M = np.array(((1,2),(3,4))) #參數爲元組
>>> M array([[1, 2], [3, 4]]) >>> M = np.array(((np.arange(3)), (np.arange(3)))) >>> M array([[0, 1, 2], [0, 1, 2]]) >>> M.shape (2, 3) >>> M = np.array(([np.arange(2)],[np.arange(3)])) >>> M array([[array([0, 1])], [array([0, 1, 2])]], dtype=object) >>> M.shape (2, 1) >>> #3D
>>> M = np.array(([np.arange(2)],[np.arange(2)])) >>> M array([[[0, 1]], [[0, 1]]]) >>> M.shape (2, 1, 2)