ndarray 对象

ndarray 是一系列同类型数据的集合,以 0 为下标开始进行集合中元素的索引

ndarray对象用于存放包含同类型元素的多维数组
ndarray 对象中的每个元素在内存中都有相同大小的存储区域

语法:

numpy.array(ogject, dtype = None, copy = True, order = None, subok = False, ndmin=0)

参数	说明
object	数组或嵌套的数列
dtype	数组元素的数据类型,可选
copy	对象是否需要复制,可选
order	创建数组的样式,C 为行方向,F为列方向,A 为任意反向(默认),K 为元素在内存中出现的书序
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

一维列表转数组

import numpy as np
waiting = [1, 2, 3]
waiting_up = np.array(waiting)
print(waiting_up)

# 输出结果为:[1 2 3]

列表转二维数组

multiple_chanel = [[1, 2, 3],[4, 5, 6]]
mc_np = np.array(multiple_chanel)
print(mc_np)

# 输出结果为:[[1 2 3]
#           [4 5 6]]

指定最小维度

# 指定最小维度为 2
mininum_dimension = [[1, 2, 3],[4, 5, 6]]
md_np_two = np.array(mininum_dimension, ndmin = 2)
print('最小维度二维结果为: \n{}'.format(md_np_two))

# 输出结果为: 
# 最小维度二维结果为: 
# [[1 2 3]
#  [4 5 6]]

# 指定最小维度为 3
md_np_three = np.array(mininum_dimension, ndmin = 3)
print('最小维度三维结果:\n{}'.format(md_np_three))
# 输出结果为:
# 最小维度三维结果:
# [[[1 2 3]
#  [4 5 6]]]

通过 dtype 指定数组元素的数据类型

# 指定数据类型
co_list = [1, 2, 3]
dy_np = np.array(co_list, dtype=complex)
print(dy_np)
# 输出结果为: [1.+0.j 2.+0.j 3.+0.j]