用实践带领你进入numpy的世界——:numpy基本数组创建函数

Posted dasdfdfecvcx

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了用实践带领你进入numpy的世界——:numpy基本数组创建函数相关的知识,希望对你有一定的参考价值。

numpy——科学计算库的讲解(二)

np.zeros()创建全零数组
np.empty()创建数值不定的数组(数组元素值取决于内存)
np.ones()创建全一数组
np.linspace()创建任意长度的一维数组
np.arange()与python中的range使用方法相同,返回的是一个数组
np.array()创建标准数组(需要传入元素参数)
改变数组形状——reshape()
最后做一个总结
QQ:3020889729 小蔡
本节主要讲解numpy数组创建的方法。

本文以jupyter notebook格式展开~

引入numpy库

import numpy as np
1
np.zeros()创建全零数组

numpy.zeros(shape,dtype = float,order =‘C’ )——默认数据类型为np.float64

example_1 = np.zeros((1, )) # 一维全零数组,且一维的维度大小为1个元素
example_2 = np.zeros((2, 2)) # 二维全零数组, 2*2
example_3 = np.zeros((3, 3, 3)) # 三维全零数组, 3*3*3
print("(zeros)example_1 : {}".format(example_1))
print("(zeros)example_2 : {}".format(example_2))
print("(zeros)example_3 : {}".format(example_3))
1
2
3
4
5
6
结果(打印):
(zeros)example_1 :
[0.]
(zeros)example_2 :
[[0. 0.]
[0. 0.]]
(zeros)example_3 :
[[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]

[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]

[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]]

np.empty()创建数值不定的数组(数组元素值取决于内存)

example_1 = np.empty((1, )) # 一维数值不定的数组,且一维的维度大小为1个元素
example_2 = np.empty((2, 2)) # 二维数值不定的数组, 2*2
example_3 = np.empty((3, 3, 3)) # 三维数值不定的数组, 3*3*3
print("(empty)example_1 : {}".format(example_1))
print("(empty)example_2 : {}".format(example_2))
print("(empty)example_3 : {}".format(example_3))
1
2
3
4
5
6
结果(打印):
(empty)example_1 :
[0.]
(empty)example_2 :
[[0. 0.]
[0. 0.]]
(empty)example_3 :
[[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]

[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]

[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]]

np.ones()创建全一数组

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

example_1 = np.ones((1, )) # 一维全一数组,且一维的维度大小为1个元素
example_2 = np.ones((2, 2)) # 二维全一数组, 2*2
example_3 = np.ones((3, 3, 3)) # 三维全一数组, 3*3*3
print("(ones)example_1 : {}".format(example_1))
print("(ones)example_2 : {}".format(example_2))
print("(ones)example_3 : {}".format(example_3))
1
2
3
4
5
6
结果(打印):
(ones)example_1 :
[1.]
(ones)example_2 :
[[1. 1.]
[1. 1.]]
(ones)example_3 :
[[[1. 1. 1.]
[1. 1. 1.]
[1. 1. 1.]]

[[1. 1. 1.]
[1. 1. 1.]
[1. 1. 1.]]

[[1. 1. 1.]
[1. 1. 1.]
[1. 1. 1.]]]

np.linspace()创建任意长度的一维数组

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

example_1 = np.linspace(0 , 9, 100) # 一维向量——从0到9,共取100个点,作为元素(包含左右端点)
example_2 = np.linspace(-9, 0, 100) # 一维向量——从-9到0,共取100个点,作为元素(包含左右端点)
example_3 = np.linspace(-9, 9, 200) # 一维向量——从-9到9,共取100个点,作为元素(包含左右端点)
print("(linspace)example_1 : {}".format(example_1))
print("(linspace)example_2 : {}".format(example_2))
print("(linspace)example_3 : {}".format(example_3))
1
2
3
4
5
6
结果(打印):
(linspace)example_1 :
[0. 0.09090909 0.18181818 0.27272727 0.36363636 0.45454545
0.54545455 0.63636364 0.72727273 0.81818182 0.90909091 1.
1.09090909 1.18181818 1.27272727 1.36363636 1.45454545 1.54545455
1.63636364 1.72727273 1.81818182 1.90909091 2. 2.09090909
2.18181818 2.27272727 2.36363636 2.45454545 2.54545455 2.63636364
2.72727273 2.81818182 2.90909091 3. 3.09090909 3.18181818
3.27272727 3.36363636 3.45454545 3.54545455 3.63636364 3.72727273
3.81818182 3.90909091 4. 4.09090909 4.18181818 4.27272727
4.36363636 4.45454545 4.54545455 4.63636364 4.72727273 4.81818182
4.90909091 5. 5.09090909 5.18181818 5.27272727 5.36363636
5.45454545 5.54545455 5.63636364 5.72727273 5.81818182 5.90909091
6. 6.09090909 6.18181818 6.27272727 6.36363636 6.45454545
6.54545455 6.63636364 6.72727273 6.81818182 6.90909091 7.
7.09090909 7.18181818 7.27272727 7.36363636 7.45454545 7.54545455
7.63636364 7.72727273 7.81818182 7.90909091 8. 8.09090909
8.18181818 8.27272727 8.36363636 8.45454545 8.54545455 8.63636364
8.72727273 8.81818182 8.90909091 9. ]
(linspace)example_2 :
[-9. -8.90909091 -8.81818182 -8.72727273 -8.63636364 -8.54545455
-8.45454545 -8.36363636 -8.27272727 -8.18181818 -8.09090909 -8.
-7.90909091 -7.81818182 -7.72727273 -7.63636364 -7.54545455 -7.45454545
-7.36363636 -7.27272727 -7.18181818 -7.09090909 -7. -6.90909091
-6.81818182 -6.72727273 -6.63636364 -6.54545455 -6.45454545 -6.36363636
-6.27272727 -6.18181818 -6.09090909 -6. -5.90909091 -5.81818182
-5.72727273 -5.63636364 -5.54545455 -5.45454545 -5.36363636 -5.27272727
-5.18181818 -5.09090909 -5. -4.90909091 -4.81818182 -4.72727273
-4.63636364 -4.54545455 -4.45454545 -4.36363636 -4.27272727 -4.18181818
-4.09090909 -4. -3.90909091 -3.81818182 -3.72727273 -3.63636364
-3.54545455 -3.45454545 -3.36363636 -3.27272727 -3.18181818 -3.09090909
-3. -2.90909091 -2.81818182 -2.72727273 -2.63636364 -2.54545455
-2.45454545 -2.36363636 -2.27272727 -2.18181818 -2.09090909 -2.
-1.90909091 -1.81818182 -1.72727273 -1.63636364 -1.54545455 -1.45454545
-1.36363636 -1.27272727 -1.18181818 -1.09090909 -1. -0.90909091
-0.81818182 -0.72727273 -0.63636364 -0.54545455 -0.45454545 -0.36363636
-0.27272727 -0.18181818 -0.09090909 0. ]
(linspace)example_3 :
[-9. -8.90954774 -8.81909548 -8.72864322 -8.63819095 -8.54773869
-8.45728643 -8.36683417 -8.27638191 -8.18592965 -8.09547739 -8.00502513
-7.91457286 -7.8241206 -7.73366834 -7.64321608 -7.55276382 -7.46231156
-7.3718593 -7.28140704 -7.19095477 -7.10050251 -7.01005025 -6.91959799
-6.82914573 -6.73869347 -6.64824121 -6.55778894 -6.46733668 -6.37688442
-6.28643216 -6.1959799 -6.10552764 -6.01507538 -5.92462312 -5.83417085
-5.74371859 -5.65326633 -5.56281407 -5.47236181 -5.38190955 -5.29145729
-5.20100503 -5.11055276 -5.0201005 -4.92964824 -4.83919598 -4.74874372
-4.65829146 -4.5678392 -4.47738693 -4.38693467 -4.29648241 -4.20603015
-4.11557789 -4.02512563 -3.93467337 -3.84422111 -3.75376884 -3.66331658
-3.57286432 -3.48241206 -3.3919598 -3.30150754 -3.21105528 -3.12060302
-3.03015075 -2.93969849 -2.84924623 -2.75879397 -2.66834171 -2.57788945
-2.48743719 -2.39698492 -2.30653266 -2.2160804 -2.12562814 -2.03517588
-1.94472362 -1.85427136 -1.7638191 -1.67336683 -1.58291457 -1.49246231
-1.40201005 -1.31155779 -1.22110553 -1.13065327 -1.04020101 -0.94974874
-0.85929648 -0.76884422 -0.67839196 -0.5879397 -0.49748744 -0.40703518
-0.31658291 -0.22613065 -0.13567839 -0.04522613 0.04522613 0.13567839
0.22613065 0.31658291 0.40703518 0.49748744 0.5879397 0.67839196
0.76884422 0.85929648 0.94974874 1.04020101 1.13065327 1.22110553
1.31155779 1.40201005 1.49246231 1.58291457 1.67336683 1.7638191
1.85427136 1.94472362 2.03517588 2.12562814 2.2160804 2.30653266
2.39698492 2.48743719 2.57788945 2.66834171 2.75879397 2.84924623
2.93969849 3.03015075 3.12060302 3.21105528 3.30150754 3.3919598
3.48241206 3.57286432 3.66331658 3.75376884 3.84422111 3.93467337
4.02512563 4.11557789 4.20603015 4.29648241 4.38693467 4.47738693
4.5678392 4.65829146 4.74874372 4.83919598 4.92964824 5.0201005
5.11055276 5.20100503 5.29145729 5.38190955 5.47236181 5.56281407
5.65326633 5.74371859 5.83417085 5.92462312 6.01507538 6.10552764
6.1959799 6.28643216 6.37688442 6.46733668 6.55778894 6.64824121
6.73869347 6.82914573 6.91959799 7.01005025 7.10050251 7.19095477
7.28140704 7.3718593 7.46231156 7.55276382 7.64321608 7.73366834
7.8241206 7.91457286 8.00502513 8.09547739 8.18592965 8.27638191
8.36683417 8.45728643 8.54773869 8.63819095 8.72864322 8.81909548
8.90954774 9. ]

np.arange()与python中的range使用方法相同,返回的是一个数组

(这里需要说明的是,arange中的参数均可以是浮点数(小数))

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

example_1 = np.arange(0 , 9, 1) # 一维数组——从0到9,步长为1取值作为元素(包含左端点)
example_2 = np.arange(0, 9, 0.5) # 一维数组——从0到9,步长为0.5取值作为元素(包含左端点)
example_3 = np.arange(0, 4.5, 0.5) # 一维数组——从0到4.5,步长为0.5取值作为元素(包含左端点)
print("(arange)example_1 : {}".format(example_1))
print("(arange)example_2 : {}".format(example_2))
print("(arange)example_3 : {}".format(example_3))
1
2
3
4
5
6
结果(打印):
(arange)example_1 :
[0 1 2 3 4 5 6 7 8]
(arange)example_2 :
[0. 0.5 1. 1.5 2. 2.5 3. 3.5 4. 4.5 5. 5.5 6. 6.5 7. 7.5 8. 8.5]
(arange)example_3 :
[0. 0.5 1. 1.5 2. 2.5 3. 3.5 4. ]

补充arange—— 由arange创建的数组,只是通过step间隔取值,无法确定需要取多少的元素(换句话说就是,如果你需要一定元素个数的数组,你就需要好好设计step才行)。
这是不方便的——这里建议,如果需要取某一范围有限个数的数值作为元素,不妨使用linspace。
因为使用linspace可以预测(确定)在总长中取多少个点作为数组元素。

np.array()创建标准数组(需要传入元素参数)

可指定数据类型

example_1 = np.array([i for i in range(10)], dtype=np.int32) # 创建数组——数据类型为int32
example_2 = np.array([i for i in range(10)], dtype=np.float32) # 创建数组——数据类型为float32
example_3 = np.array([i for i in range(10)], dtype=np.complex) # 创建数组——数据类型为complex
print("(array)example_1 : {}".format(example_1))
print("(array)example_2 : {}".format(example_2))
print("(array)example_3 : {}".format(example_3))
1
2
3
4
5
6
结果(打印):
(array)example_1 :
[0 1 2 3 4 5 6 7 8 9]
(array)example_2 :
[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
(array)example_3 :
[0.+0.j 1.+0.j 2.+0.j 3.+0.j 4.+0.j 5.+0.j 6.+0.j 7.+0.j 8.+0.j 9.+0.j]

改变数组形状——reshape()

example_3 = np.array([i for i in range(10)], dtype=np.complex).reshape(5, 2)
print("(array)example_3 : {}".format(example_3))
1
2
结果(打印):
(array)example_3 :
[[0.+0.j 1.+0.j]
[2.+0.j 3.+0.j]
[4.+0.j 5.+0.j]
[6.+0.j 7.+0.j]
[8.+0.j 9.+0.j]]

最后做一个总结

一般的,使用函数创建任意形状大小的数组通常是为了某种便捷操作而进行的——比如,有时我们需要一个33的数组来存放特定的顺序,这是我们可以使用zeros((3, 3))创建一个33全零数组,这样我们再把数据依次放到对应索引下存储即可。
总的来说,使用函数创建任意形状的数组是很方便的。

除了以上这些方法外,创建数组还可以依赖随机数来取:
比如:np.random.randint(a, b, (h, w))——参数依次为:从a到b的范围取随机值,组成(h,w)形状的数组。
还有许多不同的数组创建方法,但是我认为,从以上的这些方法入手,你会很快的学习使用新的数组创建函数。
————————————————
版权声明:本文为CSDN博主「笔岸柳影」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_44604887/article/details/106005596

http://u.ibabyzone.cn/1450230
https://www.psy525.cn/u1861587.html
https://www.psy525.cn/u1861588.html
https://www.psy525.cn/u1861589.html
https://www.psy525.cn/u1861591.html
https://www.psy525.cn/u1861592.html
https://www.psy525.cn/u1861593.html
https://www.psy525.cn/u1861594.html
https://www.psy525.cn/u1861595.html
https://www.psy525.cn/u1861597.html
https://www.psy525.cn/u1861599.html
https://www.psy525.cn/u1861601.html
https://www.psy525.cn/u1861602.html
https://www.psy525.cn/u1861605.html
https://www.psy525.cn/u1861607.html
https://www.psy525.cn/u1861609.html
https://www.psy525.cn/u1861611.html
https://www.psy525.cn/u1861612.html
https://www.psy525.cn/u1861613.html
https://www.psy525.cn/u1861614.html
https://www.psy525.cn/u1861630.html
https://www.psy525.cn/u1861632.html
https://www.psy525.cn/u1861633.html
https://www.psy525.cn/u1861634.html
https://www.psy525.cn/u1861636.html
https://www.psy525.cn/u1861638.html
https://www.psy525.cn/u1861642.html
http://u.ibabyzone.cn/1450234

以上是关于用实践带领你进入numpy的世界——:numpy基本数组创建函数的主要内容,如果未能解决你的问题,请参考以下文章

Python 基础 2022 最新第六课 Numpy

Python 基础 2022 最新第六课 Numpy

Python 基础 2022 最新第六课 Numpy

NumPy简单入门教程

为什么你用不好Numpy的random函数?

把Numpy加速700倍?用 CuPy 吧!