Numpy基础:创建数组

Posted hezhefly

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Numpy基础:创建数组相关的知识,希望对你有一定的参考价值。

Numpy是Python的一个科学计算的库,提供了矩阵运算的功能,其一般与Scipy、matplotlib一起使用。其实,list已经提供了类似于矩阵的表示形式,不过numpy为我们提供了更多的函数。如果接触过matlab、scilab,那么numpy很好入手。

一、模块引用

import numpy as np

二、数组的创建

这里先看一下多维度数组的格式,下例是一个三维数组,以楼房的方式理解最直观。

[#数组一层
    [1, 3, 4, 6],#一层1单元
    [2, 5, 6, 7]#一层2单元
],
[#数组二层
    [1, 3, 4, 6],#二层1单元
    [2, 5, 6, 7]#二层2单元
]

注意,数组元素必须放入[]或()之间

2.1普通创建

一维数组创建

np.array([1,2,3,4])
>>>array([1, 2, 3, 4])

多维数组创建

c=np.array([
    [
        [
            [1,2],[3,4]#3维层(内部元素为思维)
        ],#2维层
        [
            [5,6],[7,8]
        ]
    ],#1维层
    [
        [
            [9,10],[11,12]
        ],
        [
            [13,14],[15,16]#3维层(内部元素为思维)
        ]#2维层
    ]#1维层
])
print(c)
>>>
[[[[ 1  2]
   [ 3  4]]
  [[ 5  6]
   [ 7  8]]]
 [[[ 9 10]
   [11 12]]
  [[13 14]
   [15 16]]]]?

2.1.1内置方法创建(arange创建)

arange的使用方法与python内置方法range相同,这里不再赘述,看程序

import numpy as np
a=np.arange(20)
b=np.arange(10,20)
c=np.arange(10,20,2)
d=np.arange(20,10,-1)
print("普通玩法:",a)
print("带起始点的玩法:",b)
print("带步长的玩法:",c)
print("倒着玩:",d)
>>>
普通玩法: [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]
带起始点的玩法: [10 11 12 13 14 15 16 17 18 19]
带步长的玩法: [10 12 14 16 18]
倒着玩: [20 19 18 17 16 15 14 13 12 11]

2.1.2内置方法创建(random创建)

与random模块不同,这个random是numpy内置的方法,用法上是相同的,同样看程序

import numpy as np
a=np.random.random((2,2))#0~1的随机数
b=np.random.randn(2,2)#符合正态分布的随机数
c=np.random.randint(2,10,(2,2))#从2~10的随机整数
print("0~1的随机数:",a)
print("正态分布的随机数:",b)
print("从2~10的随机整数:",c)
>>>
0~1的随机数: [[0.93614432 0.56444734] [0.29267612 0.38625066]] 正态分布的随机数: [[-1.26606533 0.68466118] [ 0.34377799 0.1318619 ]] 从2~10的随机整数: [[4 8] [9 6]]

numpy.random下所有创建方式如下表所示:

 

方法名称 解析
rand(d0, d1, ..., dn) 随机值。
randn(d0, d1, ..., dn) 返回一个样本,具有标准正态分布。
randint(low[, high, size]) 返回随机的整数,位于半开区间 [low, high)。
random_integers(low[, high, size]) 返回随机的整数,位于闭区间 [low, high]。
random_sample([size]) 返回随机的浮点数,在半开区间 [0.0, 1.0)。
choice(a[, size, replace, p]) 生成一个随机样本,从一个给定的一维数组。

 

 

 

 

 

 

 

 

 

2.1.3内置方法创建(等差等比创建)

np.linspace (起始值,终止值,元素总数):创建一维等差数组。
np.logspace(起始值,终止值,元素总数):创建一维等比数组。

import numpy as np
a=np.linspace(0,10,5)
b=np.logspace(0,2,5)
print("等差数组:",a)
print("等比数组:",b)
>>> 等差数组: [ 0. 2.5 5. 7.5 10. ] 等比数组: [ 1. 3.16227766 10. 31.6227766 100. ]

2.1.4内置方法创建(特殊构造)

np.zeros(shape, dtype=float, order=‘C‘):创建一个全0数组,shape要以元组格式传入。
np.ones(shape, dtype=None, order=‘C‘):创建一个全1数组,shape要以元组格式传入。
np.empty(shape, dtype=None, order=‘C‘):创建一个拥有趋近0值的数组,shape要以元组格式传入。
np.eye(N, M=None, k=0, dtype=float, order=‘C‘):创建一个对角矩阵,N代表行,M代表列。其中有个参数k默认值为0,它代表偏移量,正1时向主对角线右上偏移1位,负1时向主对角线左下偏移1位。
np.full(shape, fill_value, dtype=None, order=‘C‘):创建一个以fill_value进行填充的数组,fill_value为想要填充的值

 

import numpy as np
a=np.zeros((2,2))
b=np.ones((2,2))
c=np.empty((2,2))
d=np.eye(2, 2, 0)
e=np.full((2,2), 17)
print("全0数组:",a)
print("全1数组:",b)
print("趋近0数组:",c)
print("对角矩阵:",d)
print("全17数组:",e)
>>>
全0数组: [[0. 0.]
 [0. 0.]]
全1数组: [[1. 1.]
 [1. 1.]]
趋近0数组: [[9.90263869e+067 8.01304531e+262]
 [2.60799828e-310 0.00000000e+000]]
对角矩阵: [[1. 0.]
 [0. 1.]]
全17数组: [[17 17]
 [17 17]]

  

 

  

 

以上是关于Numpy基础:创建数组的主要内容,如果未能解决你的问题,请参考以下文章

Python 之 NumPy 简介和创建数组

NumPy 基础

NumPy 基础

简单 Python 快乐之旅之:Python 基础语法之 Numpy 专题

Numpy基础:创建数组

利用Python进行数据分析——Numpy基础:数组和矢量计算