2_numpy_数组的创建与转换

ndarray数组的创建与转换

原文档

1. ndarray数组的创建

   1. 方法1

      x = np.array(list/tuple)
      x = np.array(list/tuple, dtype=np.float32)
      

      不指定参数dtype时，numpy将根据数据的情况关联一个dtype类型

      从python中的列表元祖创建

       a = np.array([1, 2, 3])
       print(a)#[1 2 3]
       
       # 从元祖类型创建
       b = np.array((1, 2, 3))
       print(b)#[1 2 3]
       
       # 从列表和元祖的混合类型创建
       c = np.array([[1, 2], [2, 3, 4], (1, 2, 3)])
       
       print(c)#[list([1, 2]) list([2, 3, 4]) (1, 2, 3)]
      

   2. 方法2

      使用numpy中函数创建ndarray数组，如：arange, ones, zeros等

      • 使用np.arange(n)函数创建,类似ndarray类型，元素从0到n-1

          a = np.arange(10)
          print(a)  # [0 1 2 3 4 5 6 7 8 9]
        

      • 使用np.ones(shape)函数:根据shape生成一个元素全为1的数组,shape是元祖类型
        没有指定dtype,默认为浮点型

         #   创建一个2行4列的ndarray
         a = np.ones((2, 4))
         print(a)
         
         [[1. 1. 1. 1.]
         [1. 1. 1. 1.]]
         
         # 创建一个多维数组,可以理解为2个3行4列的数组
         a = np.ones((2, 3, 4), dtype=np.int64)
         print(a)
         
         [[[1 1 1 1]
           [1 1 1 1]
           [1 1 1 1]]
        

      • 使用np.zeros(shape)函数:根据shape生成一个元素全为0的数组，shape是元祖类型
        没有指定dtype,默认为浮点型

         a = np.zeros((2, 4))
         print(a)
         
         [[0. 0. 0. 0.]
         [0. 0. 0. 0.]]
        

      • 使用np.full(shape,val)函数:根据shape生成一个数组，每个元素值均为val,shape是元祖类型
        创建一个3行4列值全为2的ndarray

         a = np.full((3, 4), 2)
         print(a)
         
         [[2 2 2 2]
          [2 2 2 2]
          [2 2 2 2]]
        

      • 使用np.eye(n)函数:创建一个正方形的n*n单位矩阵,

         a = np.eye(4)
         print(a)
         
         [[1. 0. 0. 0.]
          [0. 1. 0. 0.]
          [0. 0. 1. 0.]
          [0. 0. 0. 1.]]
        

      拓展：

      • np.ones_like(a) ：根据数组a的形状生成一个元素全为1的数组；

      • np.zeros_like(a) ：根据数组a的形状生成一个元素全为0的数组；

      • np.full_like(a，val) ：根据数组a的形状生成一个元素全为val的数组；

   3. 方法3，使用numpy其它的一些方法，例如linspace,concatenate

      1. np.linspace() : 根据起止数据等间距地填充数据，形成数组

           a = np.linspace(2, 8, 3, dtype=np.int32)
           print(a)  # [2 5 8]
         

      2. 合并两个或多个数组

           c = np.concatenate((np.array([1, 2]), np.array([2, 3])))
           print(c)  # [1 2 2 3]
         

2. 数组的转换

   1. 维度转换

      • reshape(shape)：不改变数组元素，返回一个shape形状的数组，原数组不变。

          a = np.zeros((2, 4))
          print(a)
          """
          [[0. 0. 0. 0.]
           [0. 0. 0. 0.]]
          """
          b = a.reshape((1, 8))
          print(b)
          """
          [[0. 0. 0. 0. 0. 0. 0. 0.]]
          """
          # shape是变的，size是不变的,也就是2×4 = 1*8,否则报错
        

      • resize(shape)：不改变数组元素，不返回一个shape形状的数组，而且原数组元素改变。

          a = np.full((2,3),5)
          print(a)
          """
          [[5 5 5]
           [5 5 5]]
          """
          a.resize((2,8))
          print(a)
          """
          [[5 5 5 5 5 5 0 0]
           [0 0 0 0 0 0 0 0]]
          """
        

      • flatten()：对数组进行降维，返回折叠后的一维数组，原数组不变

          a=np.eye(4)
          print(a)
          """
          [[1. 0. 0. 0.]
           [0. 1. 0. 0.]
           [0. 0. 1. 0.]
           [0. 0. 0. 1.]]
          """
          print(a.flatten())
          """
          [1. 0. 0. 0. 0. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0. 1.]
          """
        

   2. 类型转换

      • 元素类型的变换：

          a = np.ones((1, 2), dtype=np.int)
          print(a)  # [[1 1]]
          print(a.astype(np.float))  # [[1. 1.]]
        

      • 数组向列表的转换：

          a = np.full((2, 3), 10)
          print(a)
          """
          [[10 10 10]
          [10 10 10]]
          """
          print(a.tolist())
          """
          [[10, 10, 10], [10, 10, 10]]
          """
        

下一篇