Python3NumPy——數組（1）之創建

開篇

numpy庫作為科學計算的基礎庫，其地位相當重要，它是對數組操作的基石。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，計算機去工作。

Python的numpy庫的安裝百度一下即可解決，部分Python3已將numpy庫作為內置庫，可以不安裝。

我將不定期更新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，讀者可采用文章后的代碼驗證即可，也可根據介紹自己舉一反三，達到融匯貫通的境界。

本系列文章集中在Numpy庫，這也是為后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

2一維數組的簡單創建

注：np.arange()直接可以根據參數生成一維數組。np.arange(起始, 終止, 步長)

3二維數組的簡單創建

注：np.array()可以根據參數對象（列表、元組等）生成數組。

3三維數組的創建-采用嵌套方案

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]]) #參數為列表
>>> M
array([[1, 2],
       [3, 4]])
>>> M = np.array(([1,2],[3,4])) #參數為元組
>>> M
array([[1, 2],
       [3, 4]])
>>> M = np.array(((1,2),(3,4))) #參數為元組
>>> 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)