标准Python的列表(list)中，元素本质是对象。 如：L = [1, 2, 3]，需要3个指针和三个整数对象，对于数值运算比较浪费内存和CPU。 因此，Numpy提供了ndarray(N-dimensional array object)对象：存储单一数据类型的多维数组。
tips：np.set_printoptions(linewidth = 200)//设置在控制台显示的数据长度，更美观
# # # 通过array函数传递list对象 L = [1, 2, 3, 4, 5, 6] print "L = ", L a = np.array(L) print "a = ", a # # >>array([1, 2, 3, 4, 5, 6]) print type(a),type(L) # # >><class ‘numpy.ndarray‘> <class ‘list‘> # # # 若传递的是多层嵌套的list，将创建多维数组 b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) print b # # # # 数组大小(即长宽)可以通过其shape属性获得 print a.shape print b.shape #3,4 # # # 也可以强制修改shape b.shape = 4, 3 print b ##>> array([[ 1, 2, 3], # [ 4, 5, 6], # [ 7, 8, 9], # [10, 11, 12]]) # # # # 注：从(3,4)改为(4,3)并不是对数组进行转置，而只是改变每个轴的大小，数组元素在内存中的位置并没有改变 # # # # # # 当某个轴为-1时，将根据数组元素的个数自动计算此轴的长度 b.shape = 2, -1 print b print b.shape # #>>array([[ 1, 2, 3, 4, 5, 6], ## [ 7, 8, 9, 10, 11, 12]]) # # # 使用reshape方法，可以创建改变了尺寸的新数组，原数组的shape保持不变 c = b.reshape((4, -1)) print "b = \n", b #>> b = array([[ 1, 2, 3, 4, 5, 6], # [ 7, 8, 9, 10, 11, 12]]) print ‘c = \n‘, c # #>>c = array([[ 1, 2, 3], # [ 4, 5, 6], # [ 7, 8, 9], # [10, 11, 12]]) # #
# # # 数组b和c共享内存，修改任意一个将影响另外一个 b[0][1] = 20 print "b = \n", b #>>b = array([[ 1, 20, 3, 4, 5, 6], # [ 7, 8, 9, 10, 11, 12]]) print "c = \n", c # >> c = array([[ 1, 2, 3], # [ 4, 5, 6], # [ 7, 8, 9], # [10, 11, 12]])
# # # 数组的元素类型可以通过dtype属性获得 print a.dtype print b.dtype #>> dtype(‘int32‘)
# # # # # # # 可以通过dtype参数在创建时指定元素类型 d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float) f = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.complex) print d #>>array([[ 1., 2., 3., 4.], # [ 5., 6., 7., 8.], # [ 9., 10., 11., 12.]]) print f #>>array([[ 1.+0.j, 2.+0.j, 3.+0.j, 4.+0.j], # [ 5.+0.j, 6.+0.j, 7.+0.j, 8.+0.j], # [ 9.+0.j, 10.+0.j, 11.+0.j, 12.+0.j]]) # # #
# # # 如果更改元素类型，可以使用astype安全的转换 f = d.astype(np.int) print f # #
# # # 但不要强制仅修改元素类型，如下面这句，将会以int来解释单精度float类型 d.dtype = np.int print d #>>array([[ 0, 1072693248, 0, 1073741824, 0, 1074266112, 0, 1074790400], # [ 0, 1075052544, 0, 1075314688, 0, 1075576832, 0, 1075838976], # [ 0, 1075970048, 0, 1076101120, 0, 1076232192, 0, 1076363264]]) #
原文：https://www.cnblogs.com/Theo-sblogs/p/12263547.html