1.numpy是同構數據多維容器,同構即數據類型相同
2.初始化:
2.1np.arange([start,] end [, step])#與list的range相似
>>> np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.arange(1, 10, 2)
array([1, 3, 5, 7, 9])
2.2np.zeros(tupleA)#產生一個tupleA維度大小的矩陣,且初始全爲0
>>> np.zeros((4))
array([ 0., 0., 0., 0.])
>>> np.zeros((4,2))
array([[ 0., 0.],
[ 0., 0.],
[ 0., 0.],
[ 0., 0.]])
2.3np.ones(tupleA)#與上面類似,只是初始化全爲1
>>> np.ones((4))
array([ 1., 1., 1., 1.])
>>> np.ones((4,2))
array([[ 1., 1.],
[ 1., 1.],
[ 1., 1.],
[ 1., 1.]])
2.4np.empty(tupleA)#與上面類似,只是初始化值是不確定的(並不是你以爲的0!!!!)
>>> np.empty((4))
array([ 1.73154357e-316, 4.71627160e-317, 0.00000000e+000,
4.94065646e-324])
>>> np.empty((3,2))
array([[ 0.00000000e+000, 0.00000000e+000],
[ 6.94647584e-310, 6.94647586e-310],
[ 6.94647586e-310, 6.94647586e-310],
2.5np.array(listA)#把listA轉成np,listA只是一個統稱,只要是序列化的都可以,還可以是其他np
>>> np.array([[1, 2, 3], [4, 3, 2]])
array([[1, 2, 3],
[4, 3, 2]])
>>> npA = np.array([[1, 2, 3], [4, 3, 2]])
>>> npA
array([[1, 2, 3],
[4, 3, 2]])
>>> npB = np.array([[1, 2, 3], [4, 3, 2.0]])
>>> npB
array([[ 1., 2., 3.],
[ 4., 3., 2.]])
np.array會自動找到最適合listA數據類型轉給np:
>>> npA.dtype
dtype('int64')
>>> npB.dtype
dtype('float64')
但其實,np初始化時沒有特別說明都會被默認是float64,如前四種
>>> npB = np.array([[1, 2, 3], [4, 3, 2.0]])
>>> np.ones_like(npB)
array([[ 1., 1., 1.],
[ 1., 1., 1.]])
>>> np.zeros_like(npB)
array([[ 0., 0., 0.],
[ 0., 0., 0.]])
>>> np.empty_like(npB)
array([[ 0.00000000e+000, 0.00000000e+000, 1.56491143e-316],
[ 6.94647850e-310, 6.94635322e-310, 1.72361006e-316]])
>>> np.identity(3)
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
>>> np.eye(3, k = -1)#變化k的值試試看
array([[ 0., 0., 0.],
[ 1., 0., 0.],
[ 0., 1., 0.]])