numpy 常用函数

1、arange函数

函数原型

numpy.arange([start], stop[, step], dtype=None)

函数解释

返回一个由序列[start, stop)间隔为step组成的数组

函数用法

>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> b = np.arange(10, 20)
>>> b
array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19])
>>> c = np.arange(10, 20, 2)
>>> c
array([10, 12, 14, 16, 18])
>>> d = np.arange(10, 20, 2, dtype=np.float32)
>>> d
array([10., 12., 14., 16., 18.], dtype=float32)

2、ones函数、ones_like函数、zeros函数、zeros_like函数、full函数、full_like函数

函数原型

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

函数解释

返回一个用1填充的给定形状的数组，order表示数据在内存中的排列方式

函数用法

>>> a = np.ones((2, 2))
>>> a
array([[1., 1.],
       [1., 1.]])
>>> b = np.ones((2, 2), dtype=np.int32)
>>> b
array([[1, 1],
       [1, 1]])

函数原型

numpy.ones_like(a, dtype=None, order=‘K’, subok=True)

函数解释

返回与给定数组具有相同形状和类型的数组,用1填充

函数用法

>>> a = np.array([[1, 2, 3, 4], [2, 3, 4, 5]])
>>> a
array([[1, 2, 3, 4],
       [2, 3, 4, 5]])
>>> a.shape
(2, 4)
>>> b = np.ones_like(a)
>>> b
array([[1, 1, 1, 1],
       [1, 1, 1, 1]])
>>> c = np.ones_like(a, dtype=np.int32)
>>> c
array([[1, 1, 1, 1],
       [1, 1, 1, 1]])

函数原型

numpy.full(shape, fill_value, dtype=None, order=‘C’)

函数解释

返回一个用fill_value填充的给定形状的数组

函数用法

>>> a = np.full((3, 3), 2)
>>> a
array([[2, 2, 2],
       [2, 2, 2],
       [2, 2, 2]])
>>> b = np.full((3, 3), 2, dtype=np.float32)
>>> b
array([[2., 2., 2.],
       [2., 2., 2.],
       [2., 2., 2.]], dtype=float32)

函数原型

numpy.full_like(a, fill_value, dtype=None, order=‘K’, subok=True)

函数解释

返回一个用fill_value填充的与数组a形状相同的数组

函数用法

>>> a = np.array([[1, 2, 3, 4], [2, 3, 4, 5]])
>>> a
array([[1, 2, 3, 4],
       [2, 3, 4, 5]])
>>> b = np.full_like(a, 2)
>>> b
array([[2, 2, 2, 2],
       [2, 2, 2, 2]])
>>> c = np.full_like(a, 2, dtype=np.float32)
>>> c
array([[2., 2., 2., 2.],
       [2., 2., 2., 2.]], dtype=float32)

zeros函数、zeros_like函数使用方法与ones函数和ones_like函数相似，这里不再赘述。

3、reshape函数、resize函数

函数原型

numpy.reshape(a, newshape, order=‘C’)

函数解释

不改变数组的元素，返回一个新的形状的数组，不改变原数组的形状

函数用法

>>> a = np.zeros((6, 1))
>>> a
array([[0.],
       [0.],
       [0.],
       [0.],
       [0.],
       [0.]])
>>> b = np.reshape(a, (2, 3))
>>> b
array([[0., 0., 0.],
       [0., 0., 0.]])

函数原型

numpy.resize(a, new_shape)

函数解释

返回一个新的数组，不改变原数组的元素

函数用法

>>> a = np.zeros((6, 1))
>>> a
array([[0.],
       [0.],
       [0.],
       [0.],
       [0.],
       [0.]])
>>> b = np.resize(a, (2, 3))
>>> b
array([[0., 0., 0.],
       [0., 0., 0.]])