NumPy(二)：NumPy创建数组的几种方式np.zeros()/ np.ones() /np.arange()/ np.linspace()/ np.indices()

NumPy创建数组的五种方式

学习链接：https://www.numpy.org.cn/user/basics/creation.html

1. 从其他Python结构（比如，列表、元组）转换
2. numpy原生数组的创建，比如arange、ones、zeros等
3. 从磁盘读取数据，无论是标准格式还是自定义格式
4. 通过使用字符串或缓冲区从原始字节创建数组
5. 使用特殊库函数，比如random

在此只介绍前两个。

将Python array-like对象转换为Numpy数组

• 通常，在Python中排列成array-like结构的数值数据可以通过使用array()函数转换为数组。主要是列表和元组。

• 例子：

  import numpy as np
  array1 = np.array([1,2,3,4])   # 将列表转换为数组
  array2 = np.array([1, 2, 3, 4])
  array3 = np.array([[1,2.0],[0,0],(1+1j,3.)]) 
  # 将列表和元组转换为数组（mix of list and tuple)
  array4 = np.array([[1.+0.j,2.+0.j],[0.+0.j,0.+0.j],[1.+1.j,3.+0.j]])
  '''
  array1和array2均为：
  array([1, 2, 3, 4])
  
  array3:
  array([[1.+0.j, 2.+0.j],
         [0.+0.j, 0.+0.j],
         [1.+1.j, 3.+0.j]])
         
  array4:
  array([[1.+0.j, 2.+0.j],
         [0.+0.j, 0.+0.j],
         [1.+1.j, 3.+0.j]])
  '''
  

Numpy原生数组的创建

np.zeros(shape)

• zeros(shape)将创建一个以指定形状用0填充的数组。默认的dtype是float64。

  import numpy as np
  array = np.zeros((2,3))
  
  '''array:
  array([[1,2,3],[4,5,6]])
  '''
  

np.ones(shape)

• ones(shape)将创建一个以指定形状用1填充的数组。其他方面与zeros相同。

  import numpy as np
  array = np.ones((2,3))
  
  '''array:
  array([[1., 1., 1.],
         [1., 1., 1.]])
  '''
  

np.arange()

• arange()将创建一个有规律递增或递减的数组。

  array1 = np.arange(10)  # 默认数据类型为int32
  array2 = np.arange(2,10,dtype=np.float)
  array3 = np.arange(0,11,2)
  array4 = np.arange(10,0,-2)
  '''输出结果
  array1:
  array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
  
  array2:
  array([2., 3., 4., 5., 6., 7., 8., 9.])
  
  array3:
  array([ 0,  2,  4,  6,  8, 10])
  
  array4:
  array([10,  8,  6,  4,  2])'''
  

  np.arange()函数：

  • 一个参数时：np.arange(a)，返回一个在区间[0, a)内递增的数组，步长为默认值1。
  • 两个参数时：np.arange(a,b)，返回一个在区间[a, b)内递增的数组，步长为默认值1。
  • 三个参数时：np.arange(a,b,c)，返回一个在区间[a, b)内递增的数组，步长为c。

np.linspace()

• linspace()将创建具有指定数量元素的数组，并在指定的开始值和结束值之间平均间隔。

  array1 = np.linspace(1.,4.,6)
  # array1：array([1. , 1.6, 2.2, 2.8, 3.4, 4. ])
  
  array2 = np.linspace(1.,4.,6,endpoint=True)
  # array2：array([1. , 1.6, 2.2, 2.8, 3.4, 4. ])
  
  array3 = np.linspace(1.,4.,6,endpoint=False)
  # array3：array([1. , 1.5, 2. , 2.5, 3. , 3.5])
  # 可以理解为在区间[1., 4.]之间均匀分为7(即num+1)个数据，删除4.返回前六个数据构成的数组。
  

  np.linspace()函数：

  • 语法：np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
  • 返回在 [start, stop] 之间均匀间隔的数据
  • start、stop分别表示开始值和结束值
  • num：生成数组的元素数量，默认为50
  • endpoint：True则包含stop；False则不包含stop。默认endpoint=True
  • retstep：即如果为True则结果会给出数据间隔)
  • dtype：输出数组类型
  • axis：0(默认)或-1

np.indices()

• indices()返回一个给定形状数组的序号网格索引数组，可以用于提取数组元素或对数组进行切片使用。

  • 语法：np.indices(dimensions, dtype, sparse=False)
  • dimensions：网格的形状（整数序列）
  • dtype：数据类型
  • sparse：返回网格的稀疏表示，而不是密集表示。默认值是False。
  • sparse=False时，返回一个网格索引数组grid.shape = (len(dimensions), ) + tuple(dimensions)。
  • sparse=True时，返回数组的元素

  import numpy as np 
  x = np.arange(20).reshape((5,4))
  dense_grid = np.indices((2,3))                  
  #返回一个2x3网格序列,密集分布，每个行号和列号一一对应，表示一个位置的元素。
  sparse_grid  = np.indices((2,3),sparse= True)   
  #返回一个松散排布的2x3网格的行分布和列分布元组,行号和列号不是一一对应，一个行号对应多个列号。
   
  # 显示错误：indices() got an unexpected keyword argument 'sparse'
  # 原因可能是numpy版本问题，待更新后再尝试
   
  
  print("x:\n",x)
  print("x.shape:",x.shape)
  

  参考文章：

  https://blog.csdn.net/daimashiren/article/details/111127432

  https://vimsky.com/examples/usage/numpy-indices-function-python.html

创建数组时，指定数组元素的类型

• 创建数组时，通过dtype指定数组元素的类型

• astype：可以更改当前数组的数据类型

  import numpy as np
  x = np.array([1,2,3,4,5],dtype=np.float32)
  print(x)        # [1. 2. 3. 4. 5.]
  print(x.dtype)  # float32
  print(x*2)      # [ 2.  4.  6.  8. 10.]
  
  y = np.array([1,2,3,4,5])
  y_asarray = np.asarray(y,dtype=np.float32)
  print(y_asarray) # [1. 2. 3. 4. 5.]
  print(y)         # [1 2 3 4 5]
  # np.array与np.asarray，dtype不匹配，所以复制该数组(y)
  
  # astype更改当前数据类型，比如将int改为float32
  y1 = np.array([1,2,3,4,5],dtype=int)
  y2 = y1.astype(np.float32)
  print(y1)  # [1 2 3 4 5]
  print(y2)  # [1. 2. 3. 4. 5.]