numpy数组的创建

导入numpy import numpy as np numpy 提供的最重要的数据结构是 ndarray ，它是 python 中 list 的扩展。

一、依据现有数据创建数组

1.通过array()创建

函数定义方法：def array(p_object, dtype=None, copy=True, order='K', subok=False, ndmin=0):

使用：

一维数组：a = np.array([0, 1, 2, 3, 4]) 二维数组：b = np.array([[11, 12, 13, 14, 15],  [16, 17, 18, 19, 20]]）三维数组：c = np.array([[(1.5, 2, 3), (4, 5, 6)], [(3, 2, 1), (4, 5, 6)]],[[11, 12, 13, 14, 15],  [16, 17, 18, 19, 20]] ) 两个一维之间加“,”，外边加[]。三维在二维中间加“,”，外边加[]

2.通过asarray()创建

函数定义方法：def asarray(a, dtype=None, order=None):

                                     return array(a, dtype, copy=False, order=order)

与array()区别：当数据源是ndarray 时， array() 仍然会 copy 出一个副本，占用新的内存，但不改变 dtype 时 asarray() 不会

3. fromfunction()

函数定义方法：def fromfunction(function, shape, **kwargs): 作用：从函数中创建数组应用场景：函数绘图用到例子：def f(x, y):

                     return 10 * x + y

                   x = np.fromfunction(f, ( 5 , 4 ), dtype= int )

二、依据ones和zeros创建数组

应用场景：初始化参数，

1.零数组

1.zeros() 函数：返回给定形状和类型的零数组。

函数：def zeros(shape, dtype=None, order='C'):

2.zeros_like() 函数：返回与给定数组形状和类型相同的零数组。

函数：def zeros_like(a, dtype=None, order='K', subok=True, shape=None):

2.一数组

1.ones() 函数：返回给定形状和类型的1数组。

函数：def ones(shape, dtype=None, order='C'):

2.ones_like() 函数：返回与给定数组形状和类型相同的1数组。

函数：def ones_like(a, dtype=None, order='K', subok=True, shape=None):

3.空数组

注：空数组不是没有数，而是随机数

1.empty() 函数：返回一个空数组，数组元素为随机数。

函数：def empty(shape, dtype=None, order='C'):例子： x = np.empty( 5 ) print (x) # [1.95821574e-306 1.60219035e-306 1.37961506e-306 # 9.34609790e-307 1.24610383e-306]

2.empty_like 函数：返回与给定数组具有相同形状和类型的新数组。

函数：def empty_like(prototype, dtype=None, order='K', subok=True, shape=None): 例子： x = np.array([[ 1 , 2 , 3 ], [ 4 , 5 , 6 ]]) y = np.empty_like(x) print (y) # [[ 7209029 6422625 6619244] # [ 100 707539280 504]]

4.单位数组

1. eye() ：返回一个对角线上为 1 ，其它地方为零的单位数组。 函数：def eye(N, M=None, k=0, dtype=float, order='C'):例子： x = np.eye( 2 , 3 ) print (x) # [[1. 0. 0.] # [0. 1. 0.]] 2. identity() ：返回一个方的单位数组。 函数：def identity(n, dtype=None): 例子： x = np.identity( 4 ) print (x) # [[1. 0. 0. 0.] # [0. 1. 0. 0.] # [0. 0. 1. 0.] # [0. 0. 0. 1.]]

5.对角数组

1.diag() ：提取对角线或构造对角数组。

函数：def diag(v, k=0):

6.常数数组

1. full() 函数：返回一个常数数组。 def full(shape, fill_value, dtype=None, order='C'): 2. full_like() 函数：返回与给定数组具有相同形状和类型的常数数组。 def full_like(a, fill_value, dtype=None, order='K', subok=True, shape=None):

​​​​​​​三、利用数值范围创建数组

1. arange() ：返回给定间隔内的均匀间隔的值。 函数：def arange([start,] stop[, step,], dtype=None): 2. linspace() ：返回指定间隔内的等间隔数字。 函数：def linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0): 3. logspace() ：返回数以对数刻度均匀分布。 函数： def logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0): 4. numpy.random.rand() 返回一个由 [0,1) 内的随机数组成的数组。 def rand(d0, d1, ..., dn):

四、结构数组的创建

使用参数 dtype 为定义的结构，np.array() 来创建数组

1.利用字典定义结构

例子：

2.利用列表定义结构 五、数组的属性 用来查找numpy数组的某些信息 numpy.ndarray.ndim 用于返回数组的维数（轴的个数）也称为秩，一维数组的秩为 1，二维数组的秩为 2，以此类推。 numpy.ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。 numpy.ndarray.size 数组中所有元素的总量，相当于数组的 shape 中所有元素的乘积，例如矩阵的元素总量为行与列的乘积。 numpy.ndarray.dtype ndarray 对象的元素类型。 numpy.ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。 函数： class ndarray ( object ): shape = property ( lambda self : object (), lambda self , v: None , lambda self : None ) dtype = property ( lambda self : object (), lambda self , v: None , lambda self : None ) size = property ( lambda self : object (), lambda self , v: None , lambda self : None ) ndim = property ( lambda self : object (), lambda self , v: None , lambda self : None ) itemsize = property ( lambda self : object (), lambda self , v: None , lambda self : None ) 在 ndarray 中所有元素必须是同一类型，否则会自动向下转换， int->float->str​​​​​​​