2-02-2 NumPy 创建 ndarray 对象

NumPy 创建 ndarray

1. numpy.array() 方法用来创建一个指定对象的 ndarray 数组。

语法与参数
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

名称	描述
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	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。
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

实例

import numpy as np 
a = np.array([[1, 2],  [3, 4], [5, 6]])  
print (a)
b=a.reshape((2,3)) # 重新定义数组形状
print (b)
  
# 输出结果如下：
[[1 2]
 [3 4]
 [5 6]]
 [[1 2 3]
 [4 5 6]]

2. numpy.empty() 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组。

语法与参数
numpy.empty(shape, dtype = float, order = ‘C’)

参数	描述
shape	数组形状，可以用 list 或是 tuple 表示
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。

实例

import numpy as np 
a = np.empty((3,2), dtype = int) 
print (a)
  
输出结果为：
[[   4063294    2097214]
 [         0        739]
 [1420215088        739]]

3. numpy.zeros() 创建指定大小的数组，数组元素以 0 来填充。

语法与参数
numpy.zeros(shape, dtype = float, order = ‘C’)

参数	描述
shape	数组形状，可以用 list 或是 tuple 表示
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。

实例

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 = np.int8) 
print(y)
  
输出结果为：
  
[0. 0. 0. 0. 0.]
[0 0 0 0 0]

4. numpy.ones() 创建指定形状的数组，数组元素以 1 来填充。

语法与参数
numpy.ones(shape, dtype = None, order = ‘C’)

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。

实例

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)
  
输出结果为：
[1. 1. 1. 1. 1.]
[[1 1]
 [1 1]]

NumPy 从已有的数组创建数组

5. numpy.asarray() 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。

语法与参数
numpy.asarray(a, dtype = None, order = None)

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。

实例

import numpy as np 
# 将元组列表转换为 ndarray:
x =  [(1,2,3),(4,5)] 
a = np.asarray(x,dtype=object) 
print (a)
  
输出结果为：
[(1, 2, 3) (4, 5)]
  

6. numpy.frombuffer() 用于实现动态数组，接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。

语法与参数
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

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。

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。

实例

import numpy as np 
  
s =  b'Hello World' 
a = np.frombuffer(s, dtype =  'S1')  
print (a)
  
输出结果为：
[b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']
  

7. numpy.fromiter() 方法从可迭代对象中建立 ndarray 对象，返回一维数组。

语法与参数
numpy.fromiter(iterable, dtype, count=-1)

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

实例

import numpy as np 
  
# 使用 range 函数创建列表对象  
it=iter(range(5))
  
# 使用迭代器创建 ndarray 
a=np.fromiter(it, dtype=float)
print(a)
输出结果为：
  
[0. 1. 2. 3. 4.]

NumPy 从数值范围创建数组
这一章节我们将学习如何从数值范围创建数组。

8. numpy.arange() 创建数值范围并返回 ndarray 对象。

语法与参数
numpy.arange(start, stop, step, dtype)

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。

实例

import numpy as np
x = np.arange(10,20,2)  
print (x)
  
输出结果如下：
[10  12  14  16  18]

9. numpy.linspace() 创建一个一维数组，数组是一个等差数列构成的。

语法与参数
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

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

实例

import numpy as np
a = np.linspace(10, 20,  5, endpoint =  False)  
print(a)
  
输出结果为：
[10. 12. 14. 16. 18.]
  

10. numpy.logspace() 创建一个等比数列。

语法与参数
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

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

实例

import numpy as np
# 将对数的底数设置为 2 :
a = np.logspace(0,9,10,base=2)
print (a)
  
输出如下：
[  1.   2.   4.   8.  16.  32.  64. 128. 256. 512.]