Python库numpy之一

NumPy数组创建函数

一维数组创建函数

一维数组创建函数，例如numpy.linspace 和 numpy.arange，通常需要至少两个输入，start和stop。

numpy.arange

按固定的增量，创建数组。
词法：numpy.arange([start, ]stop, [step, ]dtype=None, *, device=None, like=None)

常见的arange的调用形式：

• arange(stop)：在半开区间[0, stop]，即包含start但不包含stop的区间内，生成值序列。
• arange(start, stop)：在半开区间[start, stop)内，生成值序列。
• arange(start, stop, step) ：在半开区间 [start, stop) 内，生成值，值之间的间距是step序列。

变量说明

• start，该参数类型是整数或实数, 是可选的
  数据序列区间开始。区间包括该值。默认起始值​​为 0。

• stop，该参数类型是整数或实数
  数据序列区间结束。该区间不包括该值。如果step不是整数，浮点舍入会影响out的长度。

• step，该参数类型是整数或实数, 是可选的
  数据序列值之间的间距。对于任何输出 out，这是两个相邻值之间的距离，out[i+1] - out[i]。默认步长为1。如果将step指定为位置参数，则还必须给出 start。

• dtype，该参数类型是dtype, 是可选的
  输出数组的类型。如果未给出 dtype，则从其他输入参数推断数据类型。

• device，该参数类型是字符串, 是可选的
  该参数表示放置创建的数组的设备。默认值：无。仅适用于 Array-API 互操作性，因此彻底该参数，则必须为“cpu”。

• like，该参数类型是类数组, 是可选的
  允许创建非 NumPy 数组的引用对象。
  如果该like参数支持 array_function 协议，则结果将由它定义。在这种情况下，给函数确保创建的数组与like参数兼容。

应用例子

import numpy as np

if __name__ == "__main__":
    a1 = np.arange(5, dtype=float)
    a2 = np.arange(5, dtype=int)

    a3 = np.arange(1, 5, dtype=int)
    a4 = np.arange(1, 5, dtype=float)
    
    print("a1 type: {0}, size: {1}, values: {2}".format(type(a1), a1.size, a1))
    print("a2 type: {0}, size: {1}, values: {2}".format(type(a2), a2.size, a2))
    print("a3 type: {0}, size: {1}, values: {2}".format(type(a3), a3.size, a3))
    print("a4 type: {0}, size: {1}, values: {2}".format(type(a4), a4.size, a4))

    print("-*-*"*20)
    
    arr1 = np.arange(0, 5, 0.5, dtype=float)
    arr2 = np.arange(-3, 3, 1, dtype=int)

    arr3 = np.arange(-1, 1, 0.4, dtype=int)
    arr4 = np.arange(-1, 1, 0.4, dtype=float)
    
    print("arr1 type: {0}, size: {1}, values: {2}".format(type(arr1), arr1.size, arr1))
    print("arr2 type: {0}, size: {1}, values: {2}".format(type(arr2), arr2.size, arr2))
    print("arr3 type: {0}, size: {1}, values: {2}".format(type(arr3), arr3.size, arr3))
    print("arr4 type: {0}, size: {1}, values: {2}".format(type(arr4), arr4.size, arr4))

程序运行产生的屏幕显示

C:\>python numpy_1.py
a1 type: <class 'numpy.ndarray'>, size: 5, values: [0. 1. 2. 3. 4.]
a2 type: <class 'numpy.ndarray'>, size: 5, values: [0 1 2 3 4]
a3 type: <class 'numpy.ndarray'>, size: 4, values: [1 2 3 4]
a4 type: <class 'numpy.ndarray'>, size: 4, values: [1. 2. 3. 4.]
-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*
arr1 type: <class 'numpy.ndarray'>, size: 10, values: [0.  0.5 1.  1.5 2.  2.5 3.  3.5 4.  4.5]
arr2 type: <class 'numpy.ndarray'>, size: 6, values: [-3 -2 -1  0  1  2]
arr3 type: <class 'numpy.ndarray'>, size: 5, values: [-1  0  1  2  3]
arr4 type: <class 'numpy.ndarray'>, size: 5, values: [-1.  -0.6 -0.2  0.2  0.6]

numpy.linspace

numpy.linspace返回在给定间隔内，均匀间隔的值。

词法：numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0, *, device=None)

• start，该参数类型是类数组
  序列的起始值。

• stop，该参数类型是类数组
  如果endpoint不是False，则stop是列的结束值。
  在endpoint不是False的情况下，序列不包括最后一个num + 1样本。当endpoint为 False 时，步长会发生变化。

• num，该参数类型是int, 是可选的
  要生成的样本数。默认值为 50。必须为非负数。

• endpoint，该参数类型是bool, 是可选的
  如果endpoint为True，则stop是最后一个样本。否则，stop不包括在内。默认为 True。

• retstep，该参数类型是bool, 是可选的
  如果retstep为True，则该函数返回两个值，即 (samples, step)，其中 step 是样本之间的间距。

• dtype，该参数类型是dtype, 是可选的
  dtype指定输出数组的类型。如果未给出 dtype，则从参数start和stop推断数据类型。推断的 dtype 永远不会是整数；即使参数会生成整数数组，也会选择 float。

• axis，该参数类型是int, 是可选的
  结果中用于存储样本的轴。仅当参数start或stop是类数组时，才相关。默认情况下 (0)，样本将沿着新轴插入。使用 -1 获得末端的轴。

• device，该参数类型是字符串, 是可选的
  该参数表示放置创建的数组的设备。默认值：无。仅适用于 Array-API 互操作性，因此彻底该参数，则必须为“cpu”。

应用例子

import numpy as np

if __name__ == "__main__":
    a1 = np.linspace(2.0, 3.0, num=5)
    a2 = np.linspace(2.0, 3.0, num=5, endpoint=False)
    a3, step = np.linspace(2.0, 3.0, num=5, retstep=True)
    
    print("a1 type: {0}, size: {1}, values: {2}".format(type(a1), a1.size, a1))
    print("a2 type: {0}, size: {1}, values: {2}".format(type(a2), a2.size, a2))
    print("a3 type: {0}, size: {1}, values: {2} step: {3}".format(type(a3), a3.size, a3, step))

    start = np.linspace(1, 3, num = 3)
    stop = np.linspace(50, 80, num = 3)
    print("start type: {0}, size: {1}, values: {2}".format(type(start), start.size, start))
    print("stop type: {0}, size: {1}, values: {2}".format(type(stop), stop.size, stop))
    
    r1 = np.linspace(start, stop, num = 3)
    r2 = np.linspace(start, stop, num = 5)
    print("r1 type: {0}, size: {1}".format(type(r1), r1.size))
    print(r1)

    print("r2 type: {0}, size: {1}".format(type(r2), r2.size))
    print(r2)

程序运行产生的屏幕显示

C:\>python numpy_2.py
a1 type: <class 'numpy.ndarray'>, size: 5, values: [2.   2.25 2.5  2.75 3.  ]
a2 type: <class 'numpy.ndarray'>, size: 5, values: [2.  2.2 2.4 2.6 2.8]
a3 type: <class 'numpy.ndarray'>, size: 5, values: [2.   2.25 2.5  2.75 3.  ] step: 0.25
start type: <class 'numpy.ndarray'>, size: 3, values: [1. 2. 3.]
stop type: <class 'numpy.ndarray'>, size: 3, values: [50. 65. 80.]
r1 type: <class 'numpy.ndarray'>, size: 9
[[ 1.   2.   3. ]
 [25.5 33.5 41.5]
 [50.  65.  80. ]]
r2 type: <class 'numpy.ndarray'>, size: 15
[[ 1.    2.    3.  ]
 [13.25 17.75 22.25]
 [25.5  33.5  41.5 ]
 [37.75 49.25 60.75]
 [50.   65.   80.  ]]