[[398496]]

 1. 本文介紹

今天為大家介紹以下內容：

•  Ⅰ ndarray數(shù)組與列表的相互轉化；
•  Ⅱ ndarray數(shù)組的數(shù)據(jù)類型轉化；
•  Ⅲ 改變ndarray數(shù)組的形狀；

說白了，就是講述3個函數(shù)。當然，這只是numpy函數(shù)中的冰山一角。這里只是介紹在學習numpy過程中，最先遇到的幾個函數(shù)。

2. ndarray數(shù)組與列表的相互轉化

當你學習numpy的時候，我就默認你肯定已經學過Python基礎了。對于list列表這個基本數(shù)據(jù)類型，你肯定不會感到陌生。

那么我們如何實現(xiàn) “列表” 與 “數(shù)組” 之間的相互轉化呢？

① 列表轉數(shù)組：直接將一個列表傳入array()函數(shù)中 

listlist1 = list(range(10))  
print(list1)  
array1 = np.array(list1)  
print(array1) 

結果如下：

② 數(shù)組轉列表：調用數(shù)組的tolist()方法 

array2 = np.arange(10)  
print(array2)  
list2 = array2.tolist()  
print(list2) 

結果如下：

3. ndarray數(shù)組的數(shù)據(jù)類型轉化

記住一句話：numpy中的數(shù)據(jù)類型轉換，不要使用x.dtype修改元素的數(shù)據(jù)類型，最好用x.astype()這種方式。

① numpy中常用的的數(shù)據(jù)類型

這里只說明一下numpy中常用的數(shù)據(jù)類型，int類型和float類型，但是一般都不是直接寫int和float的，而是像int32、float64這樣的寫法，因此我們就簡單說一下這個32或64的含義。

在計算機中，最底層執(zhí)行的是0和1組成的二進制指令，一個0或者1就代表著一個二進制位，又叫"比特位(bit)"，這里的32或64就是代表二進制位。

根據(jù)計算機的換算單位，1字節(jié)=8二進制位，即"1bytes=8bit"，因此，根據(jù)這種換算："32bit-4bytes"、"64bit=8bytes"。

由上述分析，我們現(xiàn)在對int32做一個總結，int32說明了該數(shù)組中每個元素的數(shù)據(jù)類型是int32，同時通過32我們又可以知道，該數(shù)組中每一個元素的存儲空間是4字節(jié)，那么這個范圍大致是[-2147483648,2147483647]。

② 使用dtype原地修改數(shù)組的數(shù)據(jù)類型，會出現(xiàn)什么問題？ 

x = np.array([1.2,3.4,5.6],dtype=np.float64)  
print(x)  
print(x.dtype)  
print(x.nbytes)  
# --------------------------------------------  
x.dtype="float32"  
print(x)  
print(x.nbytes)  
# --------------------------------------------  
x.dtype="float16" 
print(x)  
print(x.nbytes) 

結果如下：

為什么會出現(xiàn)上述現(xiàn)象？

通過上面的測試發(fā)現(xiàn)，當我們使用"dtype"修改數(shù)組的數(shù)據(jù)類型的時候，比特位(也就是一個"二進制位”)每壓縮為原來的二分之一，數(shù)組中的元素個數(shù)就會變?yōu)樵瓉淼膬杀丁?/p>

這是為什么呢?

數(shù)組一旦創(chuàng)建，它的數(shù)據(jù)類型也就定了，也就相當于開辟了一塊內存，用于存儲這個數(shù)組了，下面用一個公式形象說明上述現(xiàn)象的原因。

假設某個數(shù)組有x個元素，采用的數(shù)據(jù)類型是int64，這個數(shù)據(jù)類型占用的內存大小為8字節(jié)，因而整個數(shù)組占用的內存大小為8*x。

當數(shù)據(jù)類型變?yōu)閕nt32的時候，數(shù)組中數(shù)據(jù)類型就變成了4字節(jié)，通過上面的計10算我們已經知道這個數(shù)組開辟的內存為8x，因此元素個數(shù)就變成了8x/4-2*x，11 就是說，數(shù)組元素變?yōu)榱嗽瓉淼?倍。

③ 使用astype()函數(shù)修改數(shù)組的數(shù)據(jù)類型：相當于新創(chuàng)建了一個數(shù)組 

z = np.array([1.5,3.7,4.8])  
print(z)  
print(z.dtype)  
zzz = z.astype(np.float32) 
print(zz)  
print(zz.dtype) 

結果如下：

4. 改變ndarray數(shù)組的形狀

① 使用numpy中的reshape()函數(shù)修改數(shù)組對象 

xx = np.arange(10).reshape(2,5)  
xxx = np.reshape(xx,(5,2))  
print(xxx) 

結果如下：

② 使用數(shù)組對象的reshape()方法修改數(shù)組對象 

yy = np.arange(10).reshape(2,5)  
print(yy) 

結果如下：

③ 改變數(shù)組形狀時，如果維度大于1，可以將“最后一個維度”設置為-1 

p = np.arange(6).reshape(2,3)  
print(p)  
q = np.arange(6).reshape(2,-1)  
print(q) 

結果如下：

注意：可以這樣做的原因在于，當你指明了前面的維度，最后一個維度會根據(jù)數(shù)組元素個數(shù)和前面的維度數(shù)，自動計算出最后一個維度的維度數(shù)，也就是說【維度一 * 維度二 * … * 維度N = 元素個數(shù)】。