【Python系列专栏】第五十四篇Python中Numpy 数组的创建

Numpy 学习

Python模块中的numpy，这是一个处理数组的强大模块，而该模块也是其他数据分析模块（如pandas和scipy）的核心。下面将从这5个方面来介绍numpu模块的内容：

1. 数组的创建
2. 有关数组的属性和函数
3. 数组元素的获取–普通索引、切片、布尔索引和花式索引
4. 统计函数与线性代数运算
5. 随机数的生成

数组的创建

一维数组的创建

可以使用numpy中的arange()函数创建一维有序数组，它是内置函数range的扩展版。

In [1]: import numpy as np
In [2]: ls1 = range(10)
In [3]: list(ls1)
Out[3]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
In [4]: type(ls1)
Out[4]: range

In [5]: ls2 = np.arange(10)
In [6]: list(ls2)
Out[6]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
In [7]: type(ls2)
Out[7]: numpy.ndarray

通过arange生成的序列就不是简简单单的列表类型了，而是一个一维数组。

如果一维数组不是一个规律的有序元素，而是人为的输入，就需要array()函数创建了。numpy中使用array()函数创建数组,array的首个参数一定是一个序列，可以是元组也可以是列表。

In [8]: arr1 = np.array((1,20,13,28,22))
In [9]: arr1
Out[9]: array([ 1, 20, 13, 28, 22])
In [10]: type(arr1)
Out[10]: numpy.ndarray

上面是由元组序列构成的一维数组。

In [11]: arr2 = np.array([1,1,2,3,5,8,13,21])
In [12]: arr2
Out[12]: array([ 1,  1,  2,  3,  5,  8, 13, 21])
In [13]: type(arr2)
Out[13]: numpy.ndarray

上面是由列表序列构成的一维数组。

二维数组的创建

二维数组的创建，其实在就是列表套列表或元组套元组

In [14]: arr3 = np.array(((1,1,2,3),(5,8,13,21),(34,55,89,144)))
In [15]: arr3
Out[15]:
array([[  1,   1,   2,   3],
[  5,   8,  13,  21],
[ 34,  55,  89, 144]])

上面是使用元组套元组的方式。

In [16]: arr4 = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
In [17]: arr4
Out[17]:
array([[ 1,  2,  3,  4],
[ 5,  6,  7,  8],
[ 9, 10, 11, 12]])

上面是使用列表套列表的方式。

对于高维数组在将来的数据分析中用的比较少，这里关于高维数组的创建就不赘述了，构建方法仍然是使用嵌套的方式。

上面所介绍的都是人为设定的一维、二维或高维数组，numpy中也提供了几种特殊的数组，它们是：

In [18]: np.ones(3)  #返回一维元素全为1的数组
Out[18]: array([ 1.,  1.,  1.])

In [19]: np.ones([3,4])  #返回元素全为1的3×4二维数组
Out[19]:
array([[ 1.,  1.,  1.,  1.],
[ 1.,  1.,  1.,  1.],
[ 1.,  1.,  1.,  1.]])

In [20]: np.zeros(3) #返回一维元素全为0的数组
Out[20]: array([ 0.,  0.,  0.])

In [21]: np.zeros([3,4]) #返回元素全为0的3×4二维数组
Out[21]:
array([[ 0.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  0.]])

In [22]: np.empty(3) #返回一维空数组
Out[22]: array([  1.13224202e+277,   6.00769955e-307,   2.55195390e-303])

In [23]: np.empty([3,4]) #返回3×4二维空数组
Out[23]:
array([[  1.09494983e-311,   8.19904309e-314,   1.09678092e-311,   1.09494983e-311],
       [  2.09290548e-313,   1.09678288e-311,   1.09494983e-311,   3.36629926e-313],
       [  1.09678538e-311,   4.03179200e-313,   1.09678287e-311,   1.09494983e-311]])

原文中对于np.empty的举例不够严谨，这个函数返回的是指定规模未经初始化的数组，速度要比 ones 和 zeros 快，但里面的值都是随机的，要谨慎使用。