python -- numpy --创建Ndarray数组对象

目录

1.array()函数

2.asarray() 函数

3.empty()函数

4.zeros()函数

5.Ones()函数

6.full()函数

7.eye()函数

8.arange()函数

9.frombuffer()函数

10.fromiter()函数

11.linspace()函数

12.logspace()函数

13.random.rand()

14.random.random()

15.random.randint()

16.random.randn()

17.random.normal()

---

说明

numpy 默认ndarry 的所有元素的类型是相通的 这一点与python中的list不同

如果传进来的列表中包含不同的类型 则统一为同一类型 优先级 str>float >int

1.array()函数

原型：numpy.array(object,dtype = None ,copy = True, order = None,subok = False, ndmin = 0)

作用：创建Ndarray数组对象

参数	说明
object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C为行方向，F为列方向 A为任意方向（默认）
subok	默认返回一个基类类型一致的数组
ndmin	指定生成数组的最小维度

# 一维数组
print("一维数组")
import numpy as np

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

print(arr)

print(type(arr))
print("----------")
# 元素类型要相同
print("元素类型要相同")
arr = np.array([1, 2, 3, 4, 4.5])
print(arr)
print("-----------")
# 多维数组
print("多维数组")
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2)

arr = np.array([1,2,3,4,5,6,7,8,9,0], ndmin =2)
print(arr)
print("--------")

#dtype 参数
print("#dtype 参数")
arr = np.array([1,2,3,4,5],dtype ='f')
print(arr)

一维数组
[1 2 3 4 5]
<class 'numpy.ndarray'>
----------
元素类型要相同
[1.  2.  3.  4.  4.5]
-----------
多维数组
[[1 2 3]
 [4 5 6]]
[[1 2 3 4 5 6 7 8 9 0]]
--------
#dtype 参数
[1. 2. 3. 4. 5.]
结构化数据类型
[(b'sunck', 18, 0.)]

Process finished with exit code 0

2.asarray() 函数

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

作用；类似numpy.array 但 numpy.asary只有三个 比 numpy.array少2个

参数	数据
a	任意形式的输入参数 可以使 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 行有限优先和列优先 在计算机内存中的存储元素的顺序

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

[1 2 3 4 5]

元组也可以

import numpy as np
arr = np.asarray([1,2,3,4,5],dtype = 'f')
print(arr)

[1. 2. 3. 4. 5.]

3.empty()函数

原型： numpy.empty(shape,dtype = float ,order = 'C')

作用：创建一个指定形状（shape）、数据类型（dtype）且为初始化的数组

参数	说明
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

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

[[   0 2043]
 [   1    8]
 [  24    8]]

4.zeros()函数

原型：numpy.zeros(shape , dtype = float ,order ='C')

作用：创建指定大小的数组，数组元素以0来填充

参数	说明
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

import numpy as np
arr = np.zeros([3,2])
print(arr)

[[0. 0.]
 [0. 0.]
 [0. 0.]]

arr = np.zeros([2,2],dtype = [('x','<i4'),('y','<f4')])
print(arr)

[[(0, 0.) (0, 0.)]
 [(0, 0.) (0, 0.)]]

5.Ones()函数

原型：numpy.ones(shape ,dtype = None, order ='C' )

作用：创建指定形状的数组，数组元素以1来填充

参数	说明
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

import numpy as np 
arr = np.ones(5)
print(arr)

[1. 1. 1. 1. 1.]

6.full()函数

原型： numpy.full(shape , fill_value, dtype = None , order = 'C')

作用：创建指定形状的数组，数组元素以fill_value来填充

参数	说明
shape	数组形状
fill_value	填充的数据
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

arr = np.full(5,fill_value = 1024)
arr

array([1024, 1024, 1024, 1024, 1024])

7.eye()函数

原型：numpy.eye(N, M = None， k = 0, dtype = float, order = 'C')

作用：对角线为1 其他的位置为0

参数	说明
N	行数量
M	列数量，默认等于行数量，可选
dtype	数据类型，可选
order	'C'用于C的行数组，或者‘F’用于FOR TRAN的列数组

arr = np.eye(10,dtype= int)
arr

array([[1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 1, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 1]])

8.arange()函数

原型：numpy.arange(start ,stop ,step ,dtype)

作用：创建数值范围并返回ndarry对象，根据start 与stop 指定的范围以及step 设定的步长

生成一个ndarray

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

arr = np.arange(1,11,1)
arr

array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10])

9.frombuffer()函数

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

作用：用于实现动态数组，接收buffer输入参数，以流的形式读入转化成ndarray对象

注意：buffer是字符串的时候， python3 默认str 是Unicode 类型 所以要专程 bytesring 在原str前加上b

参数	说明
buffer	可以是任意对象，会以流的相识输入
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

x = b'sunck is a  good man'
arr = np.frombuffer(x,dtype ='S1')
arr

array([b's', b'u', b'n', b'c', b'k', b' ', b'i', b's', b' ', b'a', b' ',
       b' ', b'g', b'o', b'o', b'd', b' ', b'm', b'a', b'n'], dtype='|S1')

10.fromiter()函数

原型：numpy.fromiter(iterable ,dtype ,count =-1)

作用：从可迭代对象中建立 ndarry对象 返回一维数组

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

x = [1,2,3,4,5]
z =iter(x)
print(z)
arr = np.fromiter(z,dtype ='f')

arr

<list_iterator object at 0x7fcb783c93d0>

Out[13]:

array([1., 2., 3., 4., 5.], dtype=float32)

11.linspace()函数

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

作用：创建一个以为数组，数组是一个等差数列构成的

参数	说明
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差距，反之不显示
dtype	ndarray的数据类型

arr = np.linspace(1,10,10,dtype ='i4')
arr

array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10], dtype=int32)

12.logspace()函数

原型：numpy.logspace(start, stop, num = 50,endpoint =True, base = 10.0 ,dype = None)

作用：创建一个于等比数列

参数	说明
start	序列的起始值为：base**start
stop	序列的终止值为：base**stop. 如果endpont为true,该值包含于数列中
num	要生成的步长的样本数量，默认为50
endpoint	该值为ture时，数列中包含stop值，反之不包含，默认为true
base	对数log的地鼠 默认是10
dtype	ndarry的数据类型

arr = np.logspace(1.0,2.0,10)
arr

array([ 10.        ,  12.91549665,  16.68100537,  21.5443469 ,
        27.82559402,  35.93813664,  46.41588834,  59.94842503,
        77.42636827, 100.        ])

13.random.rand()

原型：rand(d0,d1,.......,dn)

作用：生成[0,1]之间的随机数

arr = np.random.rand()
arr

0.05875611774643763

生成一个有三个元素的一位数组，元素值在0到1之间

arr = np.random.rand(3)
arr

array([0.27878561, 0.72817482, 0.17982718])

生成一个二位数组，元素值在0-1之间

arr = np.random.rand(3,2)
arr

array([[0.54992584, 0.08506296],
       [0.60871734, 0.99821711],
       [0.42803026, 0.61660293]])

14.random.random()

原型：random ( size = None)

作用：生成【0，1）之间的额随机数

参数	说明
size	元素个数

生成0到1 之间的随机数

arr = np.random.random()
arr

0.9840879611212288

生成一个有三个元素的一位数据，元素值在0到1 之间

arr = np.random.random(3)
arr

array([0.67369198, 0.74069211, 0.60920471])

15.random.randint()

原型：randint(low,high = None, size =None ,dtype ='1')

作用：生成随机数

参数	说明
low	包含的下限
high	不包含的上线
size	元素个数
dtype	元素类型

arr = np.random.randint(0,10,5)
arr

array([4, 3, 4, 8, 9])

16.random.randn()

原型：randn(d0,d1,....,dn)

作用：返回一个活一组样本，具有标准正态分布

标准正态分布：又称为u分布，是以0 为均值，以1为标准差的正态分布，记为N（0，1）

arr = np.random.randn()
arr

-1.1414739377078331

arr = np.random.randn(2,4)
arr

array([[-0.80908151, -0.07514705,  0.9225147 ,  1.84400937],
       [ 0.05844825, -0.48588642, -1.59403255,  1.22214548]])

arr = np.random.randn(4,3,2)
arr

array([[[-0.7047047 ,  0.67595339],
        [ 0.25381894, -0.30884362],
        [ 0.10062783,  1.67859585]],

       [[ 0.38110898,  1.39020551],
        [ 0.39189016, -0.6172444 ],
        [ 0.01228315, -1.27013794]],

       [[-0.15871977,  0.410679  ],
        [-0.18045481, -1.67201024],
        [ 0.23755189,  1.00059485]],

       [[-1.3966934 , -1.1147585 ],
        [ 0.30107808,  0.67909361],
        [-0.28202741,  0.31925221]]])

17.random.normal()

原型：normal(loc = 0.0 , scale = 1.0 ,size = None)

作用：生成高斯分布的概率密度随机数

参数	说明
loc	浮点型，此概率分布的均值(对应着整个分布的中心(centre)
scale	浮点型，此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size	输出的shape, 默认为None 只输出一个值

arr = np.random.normal(loc =1 ,scale =2 ,size =5)
arr

array([ 3.7937874 ,  3.32606996,  1.30048024, -4.17174501, -0.87267875])