NumPy学习1之生成numpy数组

1. numpy 数组

numpy研究的对象就是n维数组，在numpy中，这些数组都属于ndarray类型，意为n-dim数组。由于numpy的高效性，目前已经属于python非标准模块中最重要的模块之一，下面给出一个例子来测试numpy的计算效率。

import numpy as np
my_arr = np.arange(1000000)
my_list = list(range(1000000))

%time for _ in range(10): my_arr2 = my_arr * 2

Wall time: 38 ms

%time for _ in range(10): my_list2 = [x * 2 for x in my_list]

Wall time: 785 ms

由此可以看出在执行矩阵的相关计算时，numpy要比传统的python列表至少快一个数量级

---

2. numpy数组的生成

在numpy中定义了一些生成ndarray类型对象(即numpy数组)的方法：

方法名	主要功能
array(object)	object一般是序列对象，如列表、元组等
asarray(a)	将a转换为numpy数组，a一般是列表、元组以及numpy数组等
arange([start, ]stop, [step, ])	生成一维数组，类似python中的range
ones(shape)	生成全部是1的数组
ones_like(a)	生成与a形状相同的全1数组
zeros(shape)	生成全部是0的数组
zeros_like(a)	生成与a形状相同的全0数组
empty(shape)	生成未初始化的数组
empty_like(a)	生成与a形状相同的未初始化的数组
full(shape, fill_value)	生成元素全部是fill_value的数组
full_like(a, fill_value)	生成与a形状相同且元素都是fill_value的数组
eye(N, M=None, k=0)	生成类似单位矩阵的数组，可视为identity的加强版
identity(n)	生成n*n的单位矩阵

---

2.1 array与asarray

这两个方法都是将一些(类)数组对象转换为数组对象

---

np.array([1, 2, 3])

array([1, 2, 3])

np.array((2, 3, 5))

array([2, 3, 5])

np.asarray(np.array([1.2, 2.3, 2.1]))

array([1.2, 2.3, 2.1])

---

2.2 arange

arange用来生成一维序列型数组，类似与python3中的range

• arange([start, ]stop, [step])
• start为序列的起始值，缺省为0
• stop为序列的结束值(不能取到)
• step为步长，缺省为1

---

np.arange(15)

array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])

np.arange(2, 8, 2)

array([2, 4, 6])

np.arange(10, 1, -3)

array([10, 7, 4])

---

2.3 ones,ones_like,zeros,zeros_like,empty,empty_like

ones, zeros, empty分别生成全1、全0、全部未定义的数组，数组的尺寸由参数shape确定

ones_like, zeros_like, empty_like分别生成全1、全0、全部未定义的数组，数组的尺寸与数组a相同

需要注意的是，由empty和empty_like生成的数组中的元素未定义，显示出来的数值只是随机给出的，不能直接使用

---

arr = np.ones((3, 4))

array([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]])

np.zeros_like(arr)

array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])

---

2.4 full与full_like

3中的方法将数组中的所有元素都设置为0,1等比较 特殊的数值，而full方法可以将数组以任意数值填充。
full(shape, fill_value)
full_like(a, fill_value)

• shape为数组的形状
• a为数组
• fill_value为填充值

---

np.full((3, 6), 6)

array([[6, 6, 6, 6, 6, 6],
[6, 6, 6, 6, 6, 6],
[6, 6, 6, 6, 6, 6]])

---

2.5 eye与identity

identity(n)

• 生成n*n的单位矩阵(主对角线上的元素为1，其余位置上的元素为0)

---

np.identity(3)

array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])

---

eye(N, M=None, k=0)

• 生成N*M的数组，一些元素是1，一些元素是0
  当k=0时，主对角线上的元素为1，其余位置上的元素为0
  当k>0时，主对角线向右上方平行移动k个单位，到达位置的元素为1，其余位置上的元素为0
  当k<0时，主对角线向左下方平行移动k个单位，到达位置的元素为1，其余位置上的元素为0

• 当M=None时，生成N*N的数组
• eye可以视为加强版的identity

---

np.eye(4, 6)

array([[1., 0., 0., 0., 0., 0.],
[0., 1., 0., 0., 0., 0.],
[0., 0., 1., 0., 0., 0.],
[0., 0., 0., 1., 0., 0.]])

np.eye(4, 6, 1)

array([[0., 1., 0., 0., 0., 0.],
[0., 0., 1., 0., 0., 0.],
[0., 0., 0., 1., 0., 0.],
[0., 0., 0., 0., 1., 0.]])

---