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。
-
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。
-
-
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
-
-
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
-
-
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
-
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。
-
-
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.]
-