np.zeros和 np.ones 和np.eyes

目录

1：np.ones

2：np.zeros

3: np.eyes

案例：（深度学习中的高级用法，将数组转成one-hot形式）

---

1：np.ones

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

shape:代表数据形状,是个元组,如果shape=5代表创建一个五个元素的一维数组,shape=(3,4) 代表创建一个3*4的数组
dctype:数据类型,可选,数组所需的数据类型，例如dtype='int'。默认是 float64。
order：{'C'，'F'}，可选是否以内存中的C或Fortran连续（行或列）顺序存储多维数据。

实例：

1 创建一维数组

array = np.ones(4)
print(array)

2 创建二维数组

a=np.ones((4,2))
print(a)

 3 创建int类型得数

a=np.zeros((5,2),dtype=int)
print(a)

4  创建tuple类型数据

a=np.ones((5,2),dtype=[('x','int'),('y','float')])
print(a)
print(a.dtype)

2：np.zeros

zeros(shape, dtype=float, order='C')

shape :代表数据形状

dtype: 数据类型 可选：int 默认是float

order：{“C”,"F},可选是否以内存中的C 或者Fortran连续（行或列）顺序存储多维数据

代码同上

3: np.eyes

numpy.eye(N,M=None,k=0,dtype=<class 'float'>,order='C)

np.eye()的函数，除了生成对角阵外，还可以将一个label数组，大小为(1,m)或者(m,1)的数组，转化成one-hot数组。

N  int型，表示的是输出的行数

M int型，可选项，输出的列数，如果没有就默认为N

k int型，可选项，对角线的下标，默认为0表示的是主对角线，负数表示的是低对角，正数表示的是高对角。

dtype：数据的类型，可选项，返回的数据的数据类型

order：{‘C’，‘F'}，可选项，也就是输出的数组的形式是按照C语言的行优先’C'，还是按照Fortran形式的列优先‘F'存储在内存中

重点：这个函数的用法并非单单制造一个对角矩阵 也可以视为制造一个对角矩阵

案例：（深度学习中的高级用法，将数组转成one-hot形式）

import numpy as np
 
labels=np.array([[1],[2],[0],[1]])
print("labels的大小：",labels.shape,"\n")
 
#因为我们的类别是从0-2，所以这里是3个类
a=np.eye(3)[1]
print("如果对应的类别号是1，那么转成one-hot的形式",a,"\n")
 
a=np.eye(3)[2]
print("如果对应的类别号是2，那么转成one-hot的形式",a,"\n")
 
a=np.eye(3)[1,0]
print("1转成one-hot的数组的第一个数字是：",a,"\n")
 
#这里和上面的结果的区别，注意!!!
a=np.eye(3)[[1,2,0,1]]
print("如果对应的类别号是1,2,0,1，那么转成one-hot的形式\n",a)
 
res=np.eye(3)[labels.reshape(-1)]
print("labels转成one-hot形式的结果：\n",res,"\n")
print("labels转化成one-hot后的大小：",res.shape)