Python_Numpy

Python Numpy笔记

numpy.full方法

• 格式: numpy.full(整数或整数序列,填充值,“dtype数据类型”,主要是行或列)
  np.full((2,3)) #第一个参数，表示一个二维3列的数组,如果不以坐标形式，则表示为一维数组
  np.full(2,np.inf) #第二个参数，表示一维二列的数组，都填充无穷大
  np.full((2,2),2,“float”) #第三个参数，指定数据的类型

>>> x = np.full((2,2),2,"float")
>>> x
array([[2., 2.],
       [2., 2.]])
>>> np.array(x).dtype
dtype('float64')
>>> 

np.full((2,3),2,“float”,“F”) #第三个参数，是否在内存中以行为主（C风格）或列为主（Fortran风格）连续（行或列)顺序存储多维数据[我看不出实际效果]。

>>> n = np.full((2,3),2,"float","F")
>>> n
array([[2., 2., 2.],
       [2., 2., 2.]])

numpy.zeros方法

• 与numpy.full方法类似，只是填充的是0.
  注意：zeros与empty不同的是，zeors会初始化数组中的值为0，empty不会做初始化，需要手动去初始化，性能可能会稍微有点提升，这点是它们的区别，但它们的作用相同的.

>>> w = np.zeros((2,),dtype=[('x','i4'),('y','i4')])
>>> w
array([(0, 0), (0, 0)], dtype=[('x', '<i4'), ('y', '<i4')]) #自定义类型
'''
这里的dtype的作用：给array中初始化值指定名字和数据类型。每一项初始化值的第一项被指定为'x'，第二项被指定为'y'。

分别使用名字索引访问x中的元素：

print(x['x'])  # 输出 [1 0]
print(x['y'])  # 输出 [1000 1111]
还可以通过'x'修改x中的值

x['x'] = np.array([2000, 2222])
print(x)  # 输出 [(2000, 1000) (2222, 1111)]
'<i4'表示具体的数据类型'little-endian 32-bit signed integer'
'''

numpy.zeros_like方法

• 将numpy.zeros_like(array)中的数组array转换为0，如果是浮点数转换成0，输出新的array不改变原来array
• dtype : 数据类型, 可选覆盖结果的数据类型。order : {‘C’, ‘F’, ‘A’, or ‘K’}, 可选覆盖结果的内存布局。 'C’表示C顺序，‘F’表示F顺序，‘A’表示如果a是Fortran连续，则表示’F’，否则’C’。 'K’表示尽可能匹配a的布局。

>>> np.zeros_like(h,subok=False)
array([[0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0]])
>>> h
array([[ 0,  1,  2,  3,  4,  5,  6,  7],
       [ 8,  9, 10, 11, 12, 13, 14, 15]])
>>> np.zeros_like(h,subok=True)
array([[0, 0, 0, 0, 0, 0,