【python】numpy库ndarray多维数组的创建方法：np.array(list/tuple)、arange, ones, zeros等详解

ndarray数组的创建方法有

• 从Python中的列表、元组等类型创建ndarray数组
• 使用NumPy中**函数创建**ndarray数组，如：arange, ones, zeros等
• 从字节流（raw bytes）中创建ndarray数组
• 从文件中读取特定格式，创建ndarray数组

1、从Python中的列表、元组等类型创建ndarray数组 当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型

• x = np.array(list/tuple)
• x = np.array(list/tuple, dtype=np.float32) #指定数据的类型type

In [1]: import numpy as np
#从列表类型创建
In [2]: np.array([0,1,2,3])
Out[2]: array([0, 1, 2, 3])
In [3]: x = np.array([0,1,2,3])
In [4]: x
Out[4]: array([0, 1, 2, 3])

#从元组类型创建
In [5]: y = np.array((1,2,3))
In [6]: y
Out[6]: array([1, 2, 3])

#从列表和元组混合类型创建
In [8]: z = np.array(([1,2,3],(2,4,6)))
In [9]: z
Out[9]:
array([[1, 2, 3],
       [2, 4, 6]])

2、使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等

• np.arange(n) ：类似range()函数，返回ndarray类型，元素从0到n‐1

In [10]: np.arange(5)
Out[10]: array([0, 1, 2, 3, 4])

• np.ones(shape) ： 根据shape生成一个全1数组，shape是元组类型

In [12]: np.ones([2,2])
Out[12]:
array([[ 1.,  1.],
       [ 1.,  1.]])

• np.zeros(shape) ：根据shape生成一个全0数组，shape是元组类型

In [11]: np.zeros([2,3])   #生成一个2*3维的全是0的数组
Out[11]:
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

• np.full(shape,val) ：根据shape生成一个数组，每个元素值都是val

In [13]: np.full([2,3],5)
Out[13]:
array([[5, 5, 5],
       [5, 5, 5]])

• np.eye(n) ： 创建一个正方的n*n单位矩阵，对角线为1，其余为0

In [15]: np.eye(5)
Out[15]:
array([[ 1.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  1.]])

• np.ones_like(a) ：根据数组a的形状生成一个全1数组
• np.zeros_like(a) ： 根据数组a的形状生成一个全0数组
• np.full_like(a,val) ： 根据数组a的形状生成一个数组，每个元素值都是val

In [18]: a = np.ones([2,2])

In [19]: np.ones_like(a)
Out[19]:
array([[ 1.,  1.],
       [ 1.,  1.]])

In [20]: np.zeros_like(a)
Out[20]:
array([[ 0.,  0.],
       [ 0.,  0.]])

In [21]: np.full_like(a,3)
Out[21]:
array([[ 3.,  3.],
       [ 3.,  3.]])

3、使用NumPy中其他函数创建ndarray数组

• np.linspace() ：根据起止数据等间距地填充数据，形成数组，即相同间隔采样

详见之前博客：【python】numpy库linspace相同间隔采样 详解

• np.concatenate() ：将两个或多个数组合并成一个新的数组

详见之前博客：【python】numpy库数组拼接np.concatenate官方文档详解与实例