Python 中的数组是 ndarray 对象。要在 Python 中创建数组，请使用 Numpy 库。数组是一个可以容纳固定数量的元素的容器，并且这些元素应该是相同的类型。要在 Python 中使用数组，请导入 NumPy 库。
首先，让我们先安装 Numpy 库 –
pip install numpy
导入所需的 Numpy 库 –
import numpy as np
创建数组
示例
现在让我们创建一个数组。基本的 Numpy 数组是使用 NumPy 中的 array() 函数创建的 –
立即学习“Python免费学习笔记（深入）”；
import numpy as np# Create a Numpy Arrayarr = np.array([5, 10, 15, 20, 25])print("Array = ",arr)
输出
Array = [ 5 10 15 20 25]
创建二维数组
示例
我们将创建一个二维数组，即矩阵。这里，将创建一个 2×3 矩阵 –
import numpy as np# Create a Numpy Matrix 2x3a = np.array([[5, 10, 15], [20, 25, 30]])# Display the array with more than one dimensionprint("Array = ",a)
输出
Array = [[ 5 10 15] [20 25 30]]
获取数组维度
示例
要在 Python 中获取数组维度，请使用 numpy.ndim。对于一维数组，维度为 1。
同样，对于 2D 数组，维度将为 2，等等。现在让我们看一下示例 –
import numpy as np# Create a Numpy Matrix 2x3arr = np.array([[5, 10, 15], [20, 25, 30]])# Display the array with more than one dimensionprint("Array = n",arr)print("Array Dimensions = ",arr.ndim)
输出
Array = [[ 5 10 15] [20 25 30]]Array Dimensions = 2
获取数组的形状
示例
数组每个维度中元素的数量称为形状。使用 numpy.shape 获取数组形状。让我们看一个获取数组形状的示例 –
import numpy as np# Create a Numpy Matrix 2x3arr = np.array([[5, 10, 15], [20, 25, 30]])# Display the arrayprint("Array = n",arr)print("Array Shape = ",arr.shape)
输出
Array = [[ 5 10 15] [20 25 30]]Array Shape = (2, 3)
用零初始化数组
示例
我们可以轻松地用零初始化 Numpy 数组 –
import numpy as np# Create a Numpy Matrix 3x3 with zerosarr = np.zeros([3, 3])# Display the arrayprint("Array = n",arr)print("Array Shape = ",arr.shape)
输出
Array = [[0. 0. 0.] [0. 0. 0.] [0. 0. 0.]]Array Shape = (3, 3)
对数组进行排序
示例
要在 Numpy 中对数组进行排序，请使用 sort() 方法 –
import numpy as np# Create a Numpy Matrixarr = np.array([[5, 3, 8], [17, 25, 12]])# Display the arrayprint("Array = n",arr)# Sort the arrayprint("nSorted array = n", np.sort(arr))
输出
Array = [[ 5 3 8] [17 25 12]]Sorted array = [[ 3 5 8] [12 17 25]]
以上就是在Python中如何创建一个数组？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1343016.html
微信扫一扫 
支付宝扫一扫 
