#头条创作挑战赛#
ndarray 数组除了可以使用底层 ndarray 构造器来创建外,也可以通过以下几种方式来创建。
numpy.empty 方法用来创建一个指定形状(shape)、数据类型(dtype)且未初始化的数组:
numpy.empty(shape, dtype = float, order = 'C')
参数说明:
shape:数组形状
dtype:数据类型,可选
order:有'C'和'F'两个选项,分别代表,行优先和列优先,在计算机内存中的存储元素的顺序。
下面是一个创建空数组的实例:
import numpy as npx = np.empty([3,2],dtype=int)print(x)
[[ 8070450532247928832 -3458755731224679552] [-9223363254258958333 8070450532247928832] [ 7165064483209150466 952629856267361]]
注意 − 数组元素为随机值,因为它们未初始化。
创建指定大小的数组,数组元素以 0 来填充:
numpy.zeros(shape, dtype = float, order = 'C')
参数说明:
shape:数组形状
dtype:数据类型,可选
order:'C' 用于 C 的行数组,或者 'F' 用于 FORTRAN 的列数组
创建指定大小的数组,数组元素以 0 来填充
import numpy as np# 默认为浮点数x = np.zeros(5)print(x)# 设置类型为整数y = np.zeros((5,),dtype=int)print(y)# 自定义类型z = np.zeros((2,2),dtype=[('x', 'i4'), ('y', 'i4')])print(z)
[0. 0. 0. 0. 0.][0 0 0 0 0][[(0, 0) (0, 0)] [(0, 0) (0, 0)]]
创建指定形状的数组,数组元素以 1 来填充:
numpy.ones(shape, dtype = None, order = 'C')
参数说明:
shape:数组形状
dtype:数据类型,可选
order:'C' 用于 C 的行数组,或者 'F' 用于 FORTRAN 的列数组
创建指定形状的数组,数组元素以 1 来填充
import numpy as np# 默认为浮点数x = np.ones(5)print(x)# 自定义类型y = np.ones([2,2],dtype=int)print(y)
[1. 1. 1. 1. 1.][[1 1] [1 1]]
numpy.asarray(a, dtype = None, order = None)
参数说明
a: 任意形式的输入参数,可以是,列表, 列表的元组, 元组, 元组的元组, 元组的列表,多维数组
dtype:数据类型,可选
order:可选,有'C'和'F'两个选项,分别代表,行优先和列优先,在计算机内存中的存储元素的顺序。
列表转换为 ndarray
import numpy as npx = [1,2,3]a = np.asarray(x)brprint(a)# 设置了 dtype 参数b = np.asarray(x,dtype=float)print(b)
[1 2 3][1. 2. 3.]
元组转换为 ndarray
import numpy as npx = (1,2,3)a = np.asarray(x)print(a)
[1 2 3]
元组列表转换为 ndarray
import numpy as npx = [(1,2,3),(4,5)] a = np.asarray(x) print (a)
[(1, 2, 3) (4, 5)]
numpy.frombuffer 用于实现动态数组。
numpy.frombuffer 接受 buffer 输入参数,以流的形式读入转化成 ndarray 对象。
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
参数说明:
buffer:可以是任意对象,会以流的形式读入。
dtype:返回数组的数据类型,可选
count:读取的数据数量,默认为-1,读取所有数据。
offset:读取的起始位置,默认为0。
import numpy as nps = b'Hello World' a = np.frombuffer(s, dtype = 'S1') print (a)
[b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']
numpy.fromiter 方法从可迭代对象中建立 ndarray 对象,返回一维数组。
numpy.fromiter(iterable, dtype, count=-1)
iterable:可迭代对象
dtype:返回数组的数据类型
count:读取的数据数量,默认为-1,读取所有数据
import numpy as np # 使用 range 函数创建列表对象 list=range(5)it=iter(list)# 使用迭代器创建 ndarray x=np.fromiter(it, dtype=float)print(x)
[0. 1. 2. 3. 4.]
numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象,函数格式如下:
numpy.arange(start, stop, step, dtype)
根据 start 与 stop 指定的范围以及 step 设定的步长,生成一个 ndarray。
参数说明:
start:起始值,默认为0
stop:终止值(不包含)
step:步长,默认为1
dtype:返回ndarray的数据类型,如果没有提供,则会使用输入数据的类型。
生成 0 到 5 的数组
import numpy as npx = np.arange(5)print(x)# 设置返回类型位 floatx = np.arange(5,dtype=float)print(x)# 设置了起始值、终止值及步长x = np.arange(10,20,2)print(x)b
[0 1 2 3 4][0. 1. 2. 3. 4.][10 12 14 16 18]
numpy.linspace 函数用于创建一个一维数组,数组是一个等差数列构成的,格式如下:
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
参数说明
start:序列的起始值
stop:序列的终止值,如果endpoint为true,该值包含于数列中
num:要生成的等步长的样本数量,默认为50
endpoint:该值为 true 时,数列中包含stop值,反之不包含,默认是True。
retstep:如果为 True 时,生成的数组中会显示间距,反之不显示。
dtype:ndarray 的数据类型
import numpy as np# 设置起始点为 1 ,终止点为 10,数列个数为 10a = np.linspace(1,10,10)print(a)# 设置元素全部是1的等差数列a = np.linspace(1,1,10)print(a)# endpoint 设为 false,不包含终止值a = np.linspace(10, 20, 5, endpoint = False) print(a)# endpoint 设为 true,则会包含 20a = np.linspace(10, 20, 5, endpoint = True) print(a)
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.][1. 1. 1. 1. 1. 1. 1. 1. 1. 1.][10. 12.5 15. 17.5 20. ]
设置间距
import numpy as npa =np.linspace(1,10,10,retstep= True)print(a)
(array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]), 1.0)
numpy.logspace 函数用于创建一个于等比数列。格式如下:
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
base 参数意思是取对数的时候 log 的下标
start:序列的起始值为:base ** start
stop:序列的终止值为:base ** stop。如果endpoint为true,该值包含于数列中
num:要生成的等步长的样本数量,默认为50
endpoint:该值为 true 时,数列中中包含stop值,反之不包含,默认是True。
base:对数 log 的底数。
dtype:ndarray 的数据类型
import numpy as np# 默认底数是 10a = np.logspace(1.0,2.0,num = 10)print (a)
[ 10. 12.91549665 16.68100537 21.5443469 27.82559402 35.93813664 46.41588834 59.94842503 77.42636827 100. ]
对数的底数设置为 2
import numpy as npa = np.logspace(0,9,10,base=2)print (a)
[ 1. 2. 4. 8. 16. 32. 64. 128. 256. 512.]
联系客服