【Python】【numpy-汇总1】所有生成函数的示例代码

1.生成函数汇总

生成函数	作用
np.array( x) np.array( x, dtype)	将输入数据转化为一个ndarray 将输入数据转化为一个类型为type的ndarray
np.asarray( array )	将输入数据转化为一个新的（copy）ndarray
np.ones( N ) np.ones( N, dtype) np.ones_like( ndarray )	生成一个N长度的一维全一ndarray 生成一个N长度类型是dtype的一维全一ndarray 生成一个形状与参数相同的全一ndarray
np.zeros( N) np.zeros( N, dtype) np.zeros_like(ndarray)	生成一个N长度的一维全零ndarray 生成一个N长度类型位dtype的一维全零ndarray 类似np.ones_like( ndarray )
np.empty( N ) np.empty( N, dtype) np.empty_like(ndarray)	生成一个N长度的未初始化一维ndarray 生成一个N长度类型是dtype的未初始化一维ndarray 类似np.ones_like( ndarray )
np.eye( N ) np.identity( N )	创建一个N * N的单位矩阵（对角线为1，其余为0）
np.arange( num) np.arange( begin, end) np.arange( begin, end, step)	生成一个从0到num-1步数为1的一维ndarray 生成一个从begin到end-1步数为1的一维ndarray 生成一个从begin到end-step的步数为step的一维ndarray
np.where(cond, ndarray1, ndarray2)	根据条件cond，选取ndarray1或者ndarray2，返回一个新的ndarray
np.in1d(ndarray, [x,y,...])	检查ndarray中的元素是否等于[x,y,...]中的一个，返回bool数组

2.函数使用示例

np.array

# -*- coding: utf-8 -*-
"""
@author: 蔚蓝的天空tom
Talk is cheap, show me the code
Aim:numpy的生成函数
"""
import numpy as np
lst = [1,2,3] #[1, 2, 3]

#将输入数据转化为一个ndarray
#1.1 np.array(x)
a = np.array(lst)  #[1 2 3]
b = np.array(a)
print(id(a), id(b))#163171744 162972096
print(b is a)      #False
b[0] = 9527 #不会改变a[0]
print(b)    #[9527 2 3]
print(a)    #[1 2 3]

#将输入数据转化为一个类型为type的ndarray
#1.2 np.array(x, dtype) 
ret = np.array(lst, dtype=np.str)   #['1' '2' '3']
ret = np.array(lst, dtype=np.float) #[ 1.  2.  3.]
ret = np.array(lst, dtype=np.bool)  #[ True  True  True]
ret = np.array(lst, dtype=np.complex)#[ 1.+0.j  2.+0.j  3.+0.j]

#1.3 np.asarray(array) #将输入数据转化为一个新的（copy）ndarray
#将输入数据转化为一个类型为type的ndarray
ret = np.asarray(a)   #[1 2 3]
print(id(a), id(ret)) #163171744 163171744
print(ret is a)       #True
ret[0] = 9527 #会同时改变a[0]
print(ret)    #[9527    2    3]
print(a)      #[9527    2    3]

np.ones

#2.1 np.ones(N)
ret = np.ones(3) #[ 1.  1.  1.]

#2.2 np.ones(N,dtype)
ret = np.ones(3, dtype=np.int) #[1 1 1]

#2.3 np.ones_like(ndarray)
molds = np.array([[1,2,3], [4,5,6]])
ret = np.ones_like(molds) #[[1 1 1] [1 1 1]]

np.zeros

#3.1 np.zeros(N)
ret = np.zeros(3) #[ 0.  0.  0.]

#3.2 np.zeros(N, dtype)
ret = np.zeros(3, dtype=np.int) #[0 0 0]

#3.3 np.zeros_like(ndarray)
molds = np.array([[1,2,3], [4,5,6]])
ret = np.zeros_like(molds) #[[0 0 0] [0 0 0]]

np.empty

#4.1 np.empty(N) 
#生成一个N长度的未初始化一维ndarray
ret = np.empty(3) #[  2.12199579e-314   2.12199579e-314   2.12199579e-314]

#4.2 np.empty(N, dtype)
ret = np.empty(3, dtype=np.int)     #[0 0 0]
ret = np.empty(3, dtype=np.float)   #[ 0.  0.  0.]
ret = np.empty(3, dtype=np.bool)    #[False False False]
ret = np.empty(3, dtype=np.complex) #[ 0.+0.j  0.+0.j  0.+0.j]
ret = np.empty(3, dtype=np.ndarray) #[None None None]
ret = np.empty(3, dtype=np.str)     #['' '' '']
ret = np.empty(3, dtype=set)        #[None None None]
ret = np.empty(3, dtype=list)       #[None None None]
ret = np.empty(3, dtype=dict)       #[None None None]
ret = np.empty(3, dtype=tuple)      #[None None None]

#4.3 np.empty_like(ndarray)
molds = np.array([[1,2,3], [4,5,6]])
ret = np.empty_like(molds)#[[1 2 3] [4 5 6]]

np.eye

#创建一个N * N的单位矩阵（对角线为1，其余为0）
#5.1 np.eye(N)
ret = np.eye(3)
'''[[ 1.  0.  0.]
    [ 0.  1.  0.]
    [ 0.  0.  1.]]
'''

#创建一个N * N的单位矩阵（对角线为1，其余为0）
#5.2 np.identity(N) 
ret = np.identity(3)
'''[[ 1.  0.  0.]
    [ 0.  1.  0.]
    [ 0.  0.  1.]]
'''

np.arange

#生成一个从0到N-1步数为1的一维ndarray
#6.1 np.arange(N)                
ret = np.arange(3) #[0 1 2]

#生成一个从begin到end-1步数为1的一维ndarray
#6.2 np.arange(begin, end)
ret = np.arange(0, 3) #[0 1 2]
ret = np.arange(1, 3) #[1 2]
ret = np.arange(2, 3) #[2]
ret = np.arange(3, 3) #[]

#生成一个从begin到end-step的步数为step的一维ndarray
#6.3 np.arange(begin, end, step) 
ret = np.arange(0, 9, 1) #[0 1 2 3 4 5 6 7 8]
ret = np.arange(0, 9, 2) #[0 2 4 6 8]
ret = np.arange(0, 9, 3) #[0 3 6]
ret = np.arange(0, 9, 4) #[0,4,8]
ret = np.arange(0, 9, 5) #[0 5]
ret = np.arange(0, 9, 6) #[0 6]
ret = np.arange(0, 9, 7) #[0 7]
ret = np.arange(0, 9, 8) #[0 8]
ret = np.arange(0, 9, 9) #[0]
ret = np.arange(0, 9, 10)#[0]
ret = np.arange(0, 9, 11)#[0]

np.where

#7 np.where(cond, ndarray1, ndarray2) 
#当符合条件时是x，不符合是y，常用于根据一个数组产生另一个新的数组
#根据条件cond，选取ndarray1或者ndarray2，返回一个新的ndarray
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

ret = np.where(True, a, b) #[1 2 3]
ret = np.where(False, a, b)#[4 5 6]

ret = np.where([True, True, True], a, b)   #[1 2 3]
ret = np.where([False, True, True], a, b)  #[4 2 3]
ret = np.where([False, False, True], a, b) #[4 5 3]
ret = np.where([False, False, False], a, b)#[4 5 6]

ret = np.where([e>=1 for e in a], a, b) #[1 2 3]
ret = np.where([e>=2 for e in a], a, b) #[4 2 3]
ret = np.where([e>=3 for e in a], a, b) #[4 5 3]
ret = np.where([e>=4 for e in a], a, b) #[4 5 6]

np.in1d

#8 np.in1d(ndarray, [x,y,...]) 
#检查ndarray中的元素是否等于[x,y,...]中的一个，返回bool数组
#在序列B中寻找与序列A相同的值，并返回一逻辑值（True,False）或逻辑值构成的向量
tmp = np.array([[1,2,3], [4,5,6]])
ret = np.in1d(tmp, 1)#[ True False False False False False]
ret = np.in1d(tmp, 2)#[False  True False False False False]
ret = np.in1d(tmp, 3)#[False False  True False False False]
ret = np.in1d(tmp, 4)#[False False False  True False False]
ret = np.in1d(tmp, 5)#[False False False False  True False]
ret = np.in1d(tmp, 6)#[False False False False False  True]
ret = np.in1d(tmp, 7)#[False False False False False False]
ret = np.in1d(tmp, 8)#[False False False False False False]

ret = np.in1d(tmp, [1,2])  #[ True  True False False False False]
ret = np.in1d(tmp, [1,2,3])#[ True  True  True False False False]
ret = np.in1d(tmp, [1,5])  #[ True False False False  True False]
ret = np.in1d(tmp, [1,9])  #[ True False False False False False]

(end)