【NumPy】 快速构建 ndarray 对象（np.empty、np.full、np.titl、np.r_、np.linspace）

____tz_zs

numpy 提供了多了函数来快速创建不同需求的数组。对于普通的 ndarray 的创建、切片、复制、改变维度和数据类型等操作，见我另一篇博客：https://blog.csdn.net/tz_zs/article/details/73929778

empty

np.empty 构造一个长度为 shape 的未初始化数组，这个数组的元素可能是内存位置上存在的任何数值。

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

• shape : int 或者 int元组
• dtype : 数组中元素的格式
• order : 'C' 或 'F', 分别代表，行优先row-major (C-style)和列优先column-major (Fortran-style)，表示在计算机内存中的存储元素的顺序。

# -*- coding: utf-8 -*-
"""
@author: tz_zs
"""

import numpy as np

# 构造一个长度为 shape 的未初始化数组，这个数组的元素可能是内存位置上存在的任何数值
ndarray = np.empty(shape=3)
print(ndarray)
"""
[  4.94065646e-324   4.94065646e-324   4.94065646e-324]
"""
ndarray = np.empty(shape=(2, 3))
print(ndarray)
"""
[[  6.89911851e-310   6.89911851e-310   6.89911705e-310]
 [  2.41806952e-316   6.89911705e-310   6.89911705e-310]]
"""
ndarray = np.empty(shape=(2, 3), dtype=int)
print(ndarray)
"""
[[139639713229752 139639713229752 139639683772968]
 [       48942272 139639683773136 139639683772968]]
"""
ndarray = np.empty(shape=(2, 3), order="F")
print(ndarray)
"""
[[  6.89911851e-310   6.89911705e-310   6.89911705e-310]
 [  6.89911851e-310   2.41806952e-316   6.89911705e-310]]
"""
ndarray = np.empty(shape=(2, 3), dtype=int, order="F")
print(ndarray)
"""
[[139639713229752 139639683773136        48942272]
 [139639683772968 139639713229752 139639683772968]]
"""

 

ones / zeros

np.ones / np.zeros 创建一个全0/1的数组。

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

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

返回给定大小和类型的新数组。shape代表返回的数组的大小（几行几列），dtype是数据类型，order指存储的规则是“c”还是“f”，即行在前和列在前。

官方文档： numpy.ones | numpy.zeros

>>> np.ones(5)
array([ 1.,  1.,  1.,  1.,  1.])

>>> np.ones((5,), dtype=np.int)
array([1, 1, 1, 1, 1])

>>> np.ones((2, 1))
array([[ 1.],
       [ 1.]])

>>> np.ones((2,2))
array([[ 1.,  1.],
       [ 1.,  1.]])

>>> np.zeros(5)
array([ 0.,  0.,  0.,  0.,  0.])

>>> np.zeros((5,), dtype=np.int)
array([0, 0, 0, 0, 0])

>>> np.zeros((2, 1))
array([[ 0.],
       [ 0.]])

>>> s = (2,2)
>>> np.zeros(s)
array([[ 0.,  0.],
       [ 0.,  0.]])

>>> np.zeros((2,), dtype=[('x', 'i4'), ('y', 'i4')]) # custom dtype
array([(0, 0), (0, 0)],
      dtype=[('x', '<i4'), ('y', '<i4')])

·

#!/usr/bin/python2.7
# -*- coding:utf-8 -*-

"""
@author:    tz_zs
"""
import numpy as np

a = np.zeros((7, 7), dtype=int)
a[:2, :3] = 1
a[2:4, 2:4] = 2
a[4, 4] = 3
a[:, 5] = 4
a[[0, 2, 4, 6], 6] = 5
print(a)
"""
[[1 1 1 0 0 4 5]
 [1 1 1 0 0 4 0]
 [0 0 2 2 0 4 5]
 [0 0 2 2 0 4 0]
 [0 0 0 0 3 4 5]
 [0 0 0 0 0 4 0]
 [0 0 0 0 0 4 5]]
"""

 

full

np.full 构造一个数组，用指定值填充其元素

full(shape, fill_value, dtype=None, order='C')

• shape：int 或者 int元组
• fill_value：填充到数组中的值

# -*- coding: utf-8 -*-
"""
@author: tz_zs
"""

import numpy as np

# 构造一个2x3的数组，其中元素全部都为 7
ndarray = np.full((2, 3), 7)
print(ndarray)
"""
[[7 7 7]
 [7 7 7]]
"""

 

titl

np.titl() 扩展

np.tile(A, reps)

# -*- coding: utf-8 -*-
"""
@author: tz_zs
np.titl() 扩展
"""

import numpy as np

n1 = np.arange(0, 40, 10)
print(n1)  # [ 0 10 20 30]
n2 = np.tile(n1, (3, 5))  # 扩展
print(n2)
'''
[[ 0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30]
 [ 0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30]
 [ 0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30  0 10 20 30]]
'''

 

r_

np.r_

官方文档：https://docs.scipy.org/doc/numpy/reference/generated/numpy.r_.html

#普通的拼接数组
X = np.r_[[1,2,3],[4,5,6],[7,8,9]]
print X
#第一个字符串控制组合
。。。

 

linspace

np.linspace 主要用于间隔采样，在指定的间隔内返回均匀间隔的数字

官方文档:https://docs.scipy.org/doc/numpy/reference/generated/numpy.linspace.html

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

• start 采样的起点，
• stop 采样的终点，
• num 采样的点个数，默认为50个，必须是非负数。
• endpoint 决定是否包括端点stop，默认为true，即包括stop点。

# -*- coding: utf-8 -*-
"""
@author: tz_zs

"""

import numpy as np

n1 = np.linspace(-5, 5, 5)
print(n1)
# [-5. - 2.5  0.   2.5  5.]
n2 = np.linspace(-5, 5, 5, False)
print(n2)
# [-5. - 3. - 1.  1.  3.]

• retstep 默认为 false，当为true时，返回值是（samples，step）格式，step为样本之间的间距。
• dtype 为输出数组的类型。如果dtype没有给出，则从其他输入参数推断数据类型。

n1 = np.linspace(start=-5, stop=5, num=5, endpoint=True, retstep=True)
print(n1)
# (array([-5. , -2.5,  0. ,  2.5,  5. ]), 2.5)

n2 = np.linspace(start=-5, stop=5, num=5, endpoint=True, retstep=True, dtype=int)
print(n2)
# (array([-5, -2,  0,  2,  5]), 2.5)

end