NumPy学习（3）：创建数组

罗塞菈桔梨萝柚

已于 2024-04-21 11:25:31 修改

阅读量723

点赞数 25

分类专栏： # numpy 机械学习文章标签： numpy 学习

于 2024-04-21 11:25:14 首次发布

本文链接：https://blog.csdn.net/HoshinaKaori/article/details/138028668

版权

numpy 同时被 2 个专栏收录

8 篇文章 0 订阅

订阅专栏

机械学习

8 篇文章 0 订阅

订阅专栏

NumPy-创建数组

NumPy-创建数组例程

numpy.empty

创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组。
- 函数格式
```
numpy.empty(shape, dtype, order)
```
- 参数说明
  
  参数描述
  shape 数组形状
  dtype 数据类型，可选
  order 有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

参数	描述
shape	数组形状
dtype	数据类型，可选
order	有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

例子

import numpy as np 
x = np.empty([3,2], dtype = int) 
print (x)

# 输出：
  [[ 6917529027641081856  5764616291768666155]
   [ 6917529027641081859 -5764598754299804209]
   [          4497473538      844429428932120]]

注意：数组元素为随机值，因为它们未初始化。

numpy.zeros

创建指定大小的数组，以 0 填充。
- 函数格式
```
numpy.zeros(shape, dtype, order)
```
- 参数说明
  
  参数描述
  shape 数组形状
  dtype 数据类型，可选
  order 有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

参数	描述
shape	数组形状
dtype	数据类型，可选
order	有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

例子

import numpy as np
 
# 默认为浮点数
x = np.zeros(5) 
print(x)
 
# 设置类型为整数
y = np.zeros((5,), dtype = int) 
print(y)
 
# 自定义类型
z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])  
print(z)

# 输出：
  [0. 0. 0. 0. 0.]
  [0 0 0 0 0]
  [[(0, 0) (0, 0)]
   [(0, 0) (0, 0)]]

numpy.ones

创建指定形状的数组，数组元素以 1 来填充。
- 函数格式
```
numpy.ones(shape, dtype, order)
```
- 参数说明：
  
  参数描述
  shape 数组形状
  dtype 数据类型，可选
  order ‘C’ 用于 C 的行数组，或者 ‘F’ 用于 FORTRAN 的列数组

参数	描述
shape	数组形状
dtype	数据类型，可选
order	‘C’ 用于 C 的行数组，或者 ‘F’ 用于 FORTRAN 的列数组

例子

import numpy as np
 
# 默认为浮点数
x = np.ones(5) 
print(x)
 
# 自定义类型
x = np.ones([2,2], dtype = int)
print(x)

# 输出
  [1. 1. 1. 1. 1.]
  [[1 1]
   [1 1]]

numpy.zeros_like

numpy.zeros_like
- numpy.zeros_like 用于创建一个与给定数组具有相同形状的数组，数组元素以 0 来填充。
- numpy.zeros 和 numpy.zeros_like 都是用于创建一个指定形状的数组，其中所有元素都是 0。
  - numpy.zeros 可以直接指定要创建的数组的形状
  - numpy.zeros_like 则是创建一个与给定数组具有相同形状的数组。

numpy.zeros_like 函数

函数格式

numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)

参数说明

参数	描述
a	给定要创建相同形状的数组
dtype	创建的数组的数据类型
order	数组在内存中的存储顺序，可选值为 ‘C’（按行优先）或 ‘F’（按列优先），默认为 ‘K’（保留输入数组的存储顺序）
subok	是否允许返回子类，如果为 True，则返回一个子类对象，否则返回一个与 a 数组具有相同数据类型和存储顺序的数组
shape	创建的数组的形状，如果不指定，则默认为 a 数组的形状。

例子

import numpy as np
 
# 创建一个 3x3 的二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
 
# 创建一个与 arr 形状相同的，所有元素都为 0 的数组
zeros_arr = np.zeros_like(arr)
print(zeros_arr)

# 输出
  [[0 0 0]
   [0 0 0]
   [0 0 0]]

numpy.ones_like

numpy.ones_like
- numpy.ones_like 用于创建一个与给定数组具有相同形状的数组，数组元素以 1 来填充。
- numpy.ones 和 numpy.ones_like 都是用于创建一个指定形状的数组，其中所有元素都是 1。
  - numpy.ones 可以直接指定要创建的数组的形状
  - numpy.ones_like 则是创建一个与给定数组具有相同形状的数组。

numpy.ones_like 函数

函数格式

numpy.ones_like(a, dtype=None, order='K', subok=True, shape=None)

参数描述

参数	描述
a	给定要创建相同形状的数组
dtype	创建的数组的数据类型
order	数组在内存中的存储顺序，可选值为 ‘C’（按行优先）或 ‘F’（按列优先），默认为 ‘K’（保留输入数组的存储顺序）
subok	是否允许返回子类，如果为 True，则返回一个子类对象，否则返回一个与 a 数组具有相同数据类型和存储顺序的数组
shape	创建的数组的形状，如果不指定，则默认为 a 数组的形状。

例子

import numpy as np
 
# 创建一个 3x3 的二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
 
# 创建一个与 arr 形状相同的，所有元素都为 1 的数组
ones_arr = np.ones_like(arr)
print(ones_arr)


# 输出
  [[1 1 1]
   [1 1 1]
   [1 1 1]]

NumPy-来自现有数据的数组

numpy.asarray

numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。

numpy.asarray函数介绍

函数格式

numpy.asarray(a, dtype = None, order = None)

参数说明

参数	描述
a	任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
dtype	数据类型，可选
order	可选，有"C"和"F"两个选项，分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

例子

将列表转换为 ndarray

import numpy as np 
 
x =  [1,2,3] 
a = np.asarray(x)  
print (a)

# 输出
  [1  2  3]

将元组转换为 ndarray

import numpy as np 
 
x =  (1,2,3) 
a = np.asarray(x)  
print (a)

# 输出
  [1  2  3]

将元组列表转换为 ndarray

import numpy as np 
 
x =  [(1,2,3),(4,5)] 
a = np.asarray(x)  
print (a)

# 输出
  [(1, 2, 3) (4, 5)]

设置了 dtype 参数

import numpy as np 
 
x =  [1,2,3] 
a = np.asarray(x, dtype =  float)  
print (a)

# 输出
  [ 1.  2.  3.]

numpy.frombuffer

numpy.frombuffer 用于实现动态数组。
numpy.frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。

numpy.frombuffer 函数介绍

函数格式

numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

buffer 是字符串的时候，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b。

参数介绍

参数	描述
buffer	可以是任意对象，会以流的形式读入。
dtype	返回数组的数据类型，可选
count	读取的数据数量，默认为-1，读取所有数据。
offset	读取的起始位置，默认为0。

例子

Python3

import numpy as np 
 
s =  b'Hello World' 
a = np.frombuffer(s, dtype =  'S1')  
print (a)

# 输出
  [b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']

Python2

import numpy as np
s =  'Hello World'
a = np.frombuffer(s, dtype =  'S1')
print (a)

# 输出
  ['H' 'e' 'l' 'l' 'o' ' ' 'W' 'o' 'r' 'l' 'd']

numpy.fromiter

numpy.fromiter 方法从可迭代对象中建立 ndarray 对象，返回一维数组。
numpy.fromiter 函数介绍
- 函数格式
```
numpy.fromiter(iterable, dtype, count=-1)
```
- 参数介绍
  
  参数描述
  iterable 可迭代对象
  dtype 返回数组的数据类型
  count 读取的数据数量，默认为-1，读取所有数据

参数	描述
iterable	可迭代对象
dtype	返回数组的数据类型
count	读取的数据数量，默认为-1，读取所有数据

例子

import numpy as np 
 
# 使用 range 函数创建列表对象  
list=range(5)
it=iter(list)
 
# 使用迭代器创建 ndarray 
x=np.fromiter(it, dtype=float)
print(x)

# 输出
  [0. 1. 2. 3. 4.]

NumPy-来自数据范围的数组

numpy.range()

Python内置的range函数可以创建一维数组，指定开始值、终值和步长。注意数组不包括终值
numpy.range函数
- 函数格式
```
range(start, stop [,step])
```
- 参数介绍
  
  参数描述
  start 起始值，默认为0
  stop 终止值（不包含）
  step 步长，默认为1

参数	描述
start	起始值，默认为0
stop	终止值（不包含）
step	步长，默认为1

numpy.arange()

NumPy 的 arange 函数功能与range函数类似，在 start 开始到 stop 范围内，生成一个 ndarray数组
numpy.arange函数
- 函数格式
```
arange([start,] stop [, step,], dtype=None)
```
- 参数介绍
  
  参数描述
  start 起始值，默认为0
  stop 终止值（不包含）
  step 步长，默认为1
  dtype 返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。

参数	描述
start	起始值，默认为0
stop	终止值（不包含）
step	步长，默认为1
dtype	返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。

例子

生成 0 到 4 长度为 5 的数组

import numpy as np
 
x = np.arange(5)  
print (x)

# 输出
  [0  1  2  3  4]

设置返回类型位 float:

import numpy as np
 
# 设置了 dtype
x = np.arange(5, dtype =  float)  
print (x)

# 输出
  [0.  1.  2.  3.  4.]

设置了起始值、终止值及步长

import numpy as np
x = np.arange(10,20,2)  
print (x)

# 输出
  [10  12  14  16  18]

numpy.linspace()

numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的

numpy.linspace 函数

函数格式

numpy.linspace( start, stop, num=50, endpoint=True, retstep=False, dtype=None)

参数介绍

参数	描述
start	序列的起始值
stop	序列的终止值，如果endpoint为true，该值包含于数列中
num	要生成的等步长的样本数量，默认为50
endpoint	该值为 true 时，数列中包含stop值，反之不包含，默认是True。
retstep	如果为 True 时，生成的数组中会显示间距，反之不显示。
dtype	ndarray 的数据类型

例子

设置元素全部是1的等差数列

import numpy as np
a = np.linspace(1,1,10)
print(a)

# 输出
 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]

将 endpoint 设为 false，不包含终止值（如果将 endpoint 设为 true，则会包含 20）

import numpy as np
 
a = np.linspace(10, 20,  5, endpoint =  False)  
print(a)

# 输出
 [10. 12. 14. 16. 18.]

numpy.logspace()

numpy.logspace 函数用于创建一个于等比数列。

numpy.logspace 函数介绍

函数格式

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

参数介绍

参数	描述
start	序列的起始值为：base ** start
stop	序列的终止值为：base ** stop。如果endpoint为true，该值包含于数列中
num	要生成的等步长的样本数量，默认为50
endpoint	该值为 true 时，数列中中包含stop值，反之不包含，默认是True。
base	对数 log 的底数。
dtype	ndarray 的数据类型

例子

默认底数

import numpy as np
# 默认底数是 10
a = np.logspace(1.0,  2.0, num =  10)  
print (a)

# 输出
 [ 10.           12.91549665  16.68100537   21.5443469  27.82559402      
   35.93813664   46.41588834  59.94842503   77.42636827 100.    ]

设置底数为2

import numpy as np
a = np.logspace(0,9,10,base=2)
print (a)

# 输出
  [  1.   2.   4.   8.  16.  32.  64. 128. 256. 512.]

罗塞菈桔梨萝柚

关注

25
点赞
踩
20

收藏

觉得还不错? 一键收藏
1
评论
NumPy学习（3）：创建数组

NumPy学习——创建数组
复制链接

扫一扫

专栏目录

NumPy学习（3）：创建数组

NumPy-创建数组

NumPy-创建数组例程

numpy.empty

numpy.zeros

numpy.ones

numpy.zeros_like

numpy.ones_like

NumPy-来自现有数据的数组

numpy.asarray

numpy.frombuffer

numpy.fromiter

NumPy-来自数据范围的数组

numpy.range()

numpy.arange()

numpy.linspace()

numpy.logspace()

“相关推荐”对你有帮助么？