怎么构建numpy.ndarray

要构建 numpy.ndarray，首先需要导入 numpy 模块。然后可以使用 numpy.array() 函数来构建 ndarray。例如，以下代码可以创建一个简单的二维数组：

import numpy as np

arr = np.array([[1,2,3],[4,5,6]])

print(arr)

输出结果如下：

[[1 2 3]
[4 5 6]]

其中，np.array() 函数接受一个列表作为参数，每个子列表表示一行。上面的代码中的数组有 2 行 3 列，每个元素都是 int 类型。但是，numpy.ndarray 可以保存不同类型的元素，例如 float 和 complex 等。可以通过给 np.array() 指定 dtype 参数来指定数据类型。

相关问题

unhashable type: 'numpy.ndarray'

这个错误通常是因为尝试将numpy数组作为字典的键而引起的。你需要将numpy数组转换为可散列类型，比如tuple。你可以尝试使用numpy数组中的元素来构建一个元组，然后使用这个元组作为字典的键。例如，如果你有一个numpy数组a，你可以使用tuple(a.tolist())来创建可散列的元组。

AttributeError: 'numpy.ndarray' object has no attribute 'rolling'

AttributeError: 'numpy.ndarray' object has no attribute 'rolling'是一个错误提示，意味着在使用numpy的ndarray对象时，尝试调用了名为'rolling'的属性或方法，但该属性或方法在ndarray对象中不存在。

在numpy中，ndarray对象是用于存储和操作多维数组的主要数据结构。然而，ndarray并没有内置的名为'rolling'的属性或方法。'rolling'通常用于对时间序列数据进行滚动计算，例如计算滚动平均值或滚动标准差等。

如果你想对ndarray对象进行滚动计算，可以考虑使用pandas库中的rolling函数。pandas是一个基于numpy构建的数据分析工具，提供了更多高级的数据处理和分析功能。

下面是一个使用pandas的rolling函数进行滚动计算的示例：

import pandas as pd
import numpy as np

# 创建一个随机的ndarray对象
arr = np.random.rand(10)

# 将ndarray转换为pandas的Series对象
series = pd.Series(arr)
# 使用rolling函数计算滚动平均值
rolling_mean = series.rolling(window=3).mean()

print(rolling_mean)

这段代码将创建一个长度为10的随机ndarray对象，并将其转换为pandas的Series对象。然后使用rolling函数计算窗口大小为3的滚动平均值，并打印结果。