Python 中的 numpy.array()

同构多维数组是 NumPy 的主要对象。它本质上是一个元素表，所有元素都具有相同类型，并由正整数元组索引。这些维度在 NumPy 中称为轴。

NumPy 的数组类被称为 ndarray 或 别名数组。 numpy.array 与标准 Python 库类 array.array 不同。 array.array 仅处理一维数组并提供较少的功能。

语法

参数

numpy.array() 函数有以下参数。

1) object: array_like

2) dtype : 可选数据类型

3) copy: bool(可选)

4) order : {'K', 'A', 'C', 'F'}, 可选

当 copy=False 或因其他原因进行复制时，结果将与 copy= True 相同，但 A 除外。默认顺序为 'K'。

5) subok : bool(可选)

当 subok=True 时，子类将传递； 否则，返回的数组将强制为基类数组（默认）。

6) ndmin : int(可选)

此参数指定结果数组应具有的最小维数。 可以根据需要将用户添加到形状的前面以满足此要求。

返回值

numpy.array() 方法返回一个 ndarray。 ndarray 是一个满足指定要求的数组对象。

示例 1：numpy.array()

输出

array([1, 2, 3])

在上面的代码中

• 我们使用别名 np 导入了 numpy。
• 我们声明了 'arr' 变量并分配了 np.array() 函数返回的值。
• 在 array() 函数中，我们只传递了元素，没有传递轴。
• 最后，我们尝试打印 arr 的值。

在输出中，显示了一个数组。

示例 2

输出

array([1., 2., 3.])

在上面的代码中

• 我们使用别名 np 导入了 numpy。
• 我们声明了 'arr' 变量并分配了 np.array() 函数返回的值。
• 在 array() 函数中，我们传递了不同类型的元素，例如整数、浮点数等。
• 最后，我们尝试打印 arr 的值。

在输出中，显示了一个包含元素的数组，其类型需要最小内存来保存序列中的对象。

示例 3：多个维度

输出

array([[1., 2., 3.],
       	[4., 5., 7.]])

在上面的代码中

• 我们使用别名 np 导入了 numpy。
• 我们声明了 'arr' 变量并分配了 np.array() 函数返回的值。
• 在 array() 函数中，我们在不同的方括号中传递了元素的数量。
• 最后，我们尝试打印 arr 的值。

在输出中，显示了一个多维数组。

示例 4：最小维度：2

输出

array([[1., 2., 3.]])

在上面的代码中

• 我们使用别名 np 导入了 numpy。
• 我们声明了 'arr' 变量并分配了 np.array() 函数返回的值。
• 在 array() 函数中，我们在方括号中传递了元素的数量和维度来创建 ndarray。
• 最后，我们尝试打印 arr 的值。

在输出中，显示了一个二维数组。

示例 5：提供类型

输出

array([12.+0.j, 45.+0.j,  3.+0.j])

在上面的代码中

• 我们使用别名 np 导入了 numpy。
• 我们声明了 'arr' 变量并分配了 np.array() 函数返回的值。
• 在 array() 函数中，我们在方括号中传递了元素并将 dtype 设置为 complex。
• 最后，我们尝试打印 arr 的值。

在输出中，'arr' 元素的值以复数的形式显示。

示例 6：从子类创建数组

输出

array([[1, 2],
       [3, 4]])
matrix([[1, 2],
        [3, 4]])

在上面的代码中

• 我们使用别名 np 导入了 numpy。
• 我们声明了 'arr' 变量并分配了 np.array() 函数返回的值。
• 在 array() 函数中，我们使用 np.mat() 函数以矩阵的形式传递元素，并将 subok=True 设置。
• 最后，我们尝试打印 arr 的值。

在输出中，显示了一个多维数组。