ndarray对象实质上就可以理解为矩阵， 矩阵是咱们作运算的基本单位，所以其初始化、属性调整、属性获取、基本操作都是高频使用的。
虽然是高频使用的，但有时候，莫名地就忘了格式，或者忘了还有这个操作，所以有必要写一篇博文把”Numpy库的ndarray对象初始化、属性调整、属性获取、基本操作”的示例代码进行个积累汇总，以便自己Coding时取用。
目录
- 1 直接赋值初始化一个矩阵
- 2 通过复制别的矩阵得到新的矩阵
- 3 创建和原矩阵大小一样、通道一样，但是数据类型和原矩阵不一样的全0矩阵
- 4 创建指定大小和数据类型且元素值全为1或0的二维或多维矩阵
- 5 创建指定大小和数据类型且元素值全为0的矩阵
- 6 创建指定大小、指定数据类型、数据值按均匀分布生成的整数矩阵
- 7 创建指定大小、数据值按正态分布(均值为0,标准差为1)生成的矩阵
- 8 获取ndarray对象(矩阵)的维度、形状、元素个数、数据类型、每个元素占用的内存空间、内存布局、数据的实部、数据的虚部
- 9 对矩阵元素的选取和访问(切片操作)
- 10 提取矩阵(图像)中的感兴趣区域、以及矩阵(图像)的深拷贝和浅拷贝问题
- 11 ndarray对象转换为列表
1 直接赋值初始化一个矩阵
示例代码如下：
A = np.array([[1, 2, 3, 4, 5],
[6, 7, 8, 9, 10],
[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25]], dtype='int8')
上面代码中的第二个参数dtype是可选的，不如不填，则系统根据矩阵元素的数据大小来确定。
上面的代码创建了一个二维矩阵，让我们来看一个创建三维矩阵的示例。
[En]
The above code creates a two-dimensional matrix, and let’s look at an example of creating a three-dimensional matrix.
import numpy as np
B = np.array([[[11, 12, 13, 14],
[15, 16, 17, 18]],
[[19, 20, 21, 22],
[23, 24, 25, 26]],
[[27, 28, 29, 30],
[31, 32, 33, 34]]])
运行结果如下图所示：
从其shape属性可以看出，B矩阵的尺寸为三通道，两行，四列。其内容如下：
2 通过复制别的矩阵得到新的矩阵
示例代码如下：
import numpy as np
B = np.array([[[11, 12, 13, 14],
[15, 16, 17, 18]],
[[19, 20, 21, 22],
[23, 24, 25, 26]],
[[27, 28, 29, 30],
[31, 32, 33, 34]]])
C = B
运行结果如下所示：
3 创建和原矩阵大小一样、通道一样，但是数据类型和原矩阵不一样的全0矩阵
示例代码如下：
import numpy as np
B = np.array([[[11, 12, 13, 14],
[15, 16, 17, 18]],
[[19, 20, 21, 22],
[23, 24, 25, 26]],
[[27, 28, 29, 30],
[31, 32, 33, 34]]])
C = B
C = 0*C
C = C.astype('float32')
运行结果如下：
注意：在2中说了通过”=”赋值得到的新ndarray对象和原对象共享存储空间(浅拷贝)，但由于这里使用了乘法运算符，所以会为结果构建一个新的ndarray对象，并为其分配新的存储空间，所以通过上面代码的一系列操作得到的是深拷贝。
4 创建指定大小和数据类型且元素值全为1或0的二维或多维矩阵
D = np.ones((3, 5), dtype='uint8')
注意，我们还可通过函数ones()、zeros()等函数创建多维矩阵，比如我们可以通过下面这条语句创建二通道、三行、四列的三维矩阵。
D = np.ones((2, 3, 4), dtype='uint8')
运行结果如下：
从这个结果我们可以看出，第一个索引代表通道数(也称为页数)，第二个索引代表行数，第三个索引代表列数。要特别注意，OpenCV的函数imread()读到的图像数据的三个索引值并不是这个顺序，详情见 https://www.hhai.cc/thread-89-1-1.html
类似地，四维矩阵可以按如下方式初始化：
[En]
Similarly, a four-dimensional matrix can be initialized as follows:
D = np.ones((2, 3, 4, 5), dtype='uint8')
5 创建指定大小和数据类型且元素值全为0的矩阵
E = np.zeros((3, 5), dtype='float32')
6 创建指定大小、指定数据类型、数据值按均匀分布生成的整数矩阵
F = np.random.randint(0, 100, (3, 5), dtype='uint8')
7 创建指定大小、数据值按正态分布(均值为0,标准差为1)生成的矩阵
K = np.random.randn(2, 3)
注意：函数randn()不能设置数据类型，也不能设置正态分布的均值和标准差，其原型如下：
random.randn(d0, d1, ..., dn)
运行结果如下：
从上图我们可以看出，其数据类型为float64
8 获取ndarray对象(矩阵)的维度、形状、元素个数、数据类型、每个元素占用的内存空间、内存布局、数据的实部、数据的虚部
示例代码如下：
import numpy as np
A = np.array([[[11, 12, 13, 14],
[15, 16, 17, 18]],
[[19, 20, 21, 22],
[23, 24, 25, 26]],
[[27, 28, 29, 30],
[31, 32, 33, 34]]])
A_dim = A.ndim
A_shape = A.shape
A_size = A.size
A_dtype = A.dtype
A_itemsize = A.itemsize
A_flags = A.flags
A_real = A.real
A_imag = A.imag
运行结果如下图所示：
9 对矩阵元素的选取和访问(切片操作)
有关数据选择和访问，请参阅我的另一篇博客文章，链接：
[En]
For data selection and access, please refer to my other blog post, link:
https://www.hhai.cc/thread-122-1-1.html
10 提取矩阵(图像)中的感兴趣区域、以及矩阵(图像)的深拷贝和浅拷贝问题
关于这个问题，请参阅我的另一篇博客文章，链接如下：
[En]
For this question, see my other blog post, the link is as follows:
https://www.hhai.cc/thread-128-1-1.html
11 ndarray对象转换为列表
关于ndarray对象如何转换为列表，大家可以参考我的另一篇博文，链接如下：
https://www.hhai.cc/thread-123-1-1.html
Original: https://blog.csdn.net/wenhao_ir/article/details/124416798
Author: 昊虹AI笔记
Title: Python的Numpy库的ndarray对象(矩阵)初始化、属性调整、属性获取、基本操作示例代码积累
相关阅读
Title: TypeError: ‘float‘ object is not subscriptable 已解决
其实就是个小问题，但是爆出来的时候也很莫名其妙。因为之前都跑得好好的，只是换了不同的文件去跑才出的问题，关键是不同的文件要处理的内容和格式都是完全一样的，一个顺利跑完，一个就报TypeError: ‘float’ object is not subscriptable这个错，就非常无语。接下来就是看看怎么解决问题了：
一开始自然是直接搜索问题，寻找解决办法，实话实说，看了一些博客，但是并没有直接找到解决办法，但是从中获得了一些想法，对问题理解更清楚一点。下面是找到的一种解释：
然后说一下我的具体应用：
我需要从预测生成的 json文件获取预测分数score和预测位置（坐标值）把它们写入txt文档：
ff = open('xx.txt','w')
for anno in annos:
score = anno['score']
left,top,right,bottom = anno['box']
ff.write("%s %s %s %s %s\n" %(score[:6], str(int(left)), str(int(top)),str(int(right)),str(int(bottom))))
ff.close()
json文件内容格式：
{
"annos":[
{
"score":0.999976544,
"box":[
145.436234753274657
456.312645236453657
254.327564356457435
553.957943578765678
]
},
{
"score":0.9996542376,
"box":[
344.436234753274657
987.312645236453657
423.327564356457435
234.957943578765678
]
},
...
]
}
具体问题是在执行写入的时候出现的：
ff.write("%s %s %s %s %s\n" %(score[:6], str(int(left)), str(int(top)),str(int(right)),str(int(bottom))))
一开始我的关注点是放在box的内容读取上，他是四个浮点数位于一个列表下，而且搜到的方法也和列表内容相关
后面通过我的控制变量试验后发现这里是没问题的，所以问题就是score[:6]的写入报了错
我的解决办法是：
"""先把读取到的score转化为字符，再进行写入"""
xx = str(anno['score'])
ff.write("%s %s %s %s %s\n" %(xx[:6], str(int(left)), str(int(top)),str(int(right)),str(int(bottom))))
如上就可以顺利执行了，没报TypeError: ‘float’ object is not subscriptable
原先想过，直接把str加在最后一句上，即：
ff.write("%s %s %s %s %s\n" %(str(score[:6]), str(int(left)), str(int(top)),str(int(right)),str(int(bottom))))
发现还是会报错，也就是说直接写的时候读的不能是浮点型数据（ 可能是此处直接从annos的列表中读取出来的浮点数据不能直接处理），即使经过中间处理也不行，需要转化为字符型后再写入即可解决
其实这个问题 更像一个bug， 并不是一定会出现的问题，如果报错了，
就要花时间解决一下。
Original: https://blog.csdn.net/qq_44442727/article/details/126479409
Author: 清梦枕星河~
Title: TypeError: ‘float‘ object is not subscriptable 已解决
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/318946/
转载文章受原作者版权保护。转载请注明原作者出处！
