NumPy创建ndarray数组大揭秘

本文主要是介绍NumPy创建ndarray数组大揭秘，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1.使用 np.array() 创建

• 使用 np.array() 由 python list 创建

n = np.array(list)

• 注意

  • numpy 默认 ndarray 的所有元素的类型是相同的

  • 如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str > float > int

  • ndarray 的常见数据类型：

    • int:int8、uint8、int16、int32、int64

    • float:float16、float32、float64

    • str：字符串

l = [1,4,2,3,5,6]n = np.array(l)n# 执行结果array([1, 4, 2, 3, 5, 6])​# 类型type(n)# 执行结果numpy.ndarray​# 形状n.shape# l.shape # 列表没有shape# 执行结果(6,)​# 优先级：str > float > int# n = np.array([3.14,2])n = np.array([3.14,2,"hello"])n# 执行结果array(['3.14', '2', 'hello'], dtype='<U32')

2.使用 np 的常规函数创建

（1）np.ones(shape,dtype=None,order='C')

• 创建一个所有元素为1的多维数组

• 参数说明：

  • shape：形状

  • dtpye=None：元素类型

  • order：{'C','F'}，可选，默认值：C 是否在内存总以行主（C-风格）或列主（Fortran-风格）顺序存储多维数据，一般默认即可

n = np.ones(shape=(3,))n# 执行结果array([1., 1., 1.])​n = np.ones(shape=(3,4))n# 执行结果array([[1., 1., 1., 1.],       [1., 1., 1., 1.],       [1., 1., 1., 1.]])​n = np.ones(shape=(3,4),dtype=np.int16)n# 执行结果array([[1, 1, 1, 1],       [1, 1, 1, 1],       [1, 1, 1, 1]], dtype=int16)       n = np.ones(shape=(3,4,5),dtype=np.int16)n# 执行结果array([[[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, 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, 1],        [1, 1, 1, 1, 1]]], dtype=int16)

（2）np.zeros(shape,dtype=float,order='C')

• 创建一个所有元素读为0的多维数组

• 参数说明

  • shape：形状

  • dtype=None：元素形状

n = np.zeros((5,5),dtype=np.int16)n# 执行结果array([[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]], dtype=int16)

（3）np.full(shape,full_value,dtype=None,order='C')

• 创建一个所有元素都为指定元素的多维数组

• 参数说明：

  • shape：形状

  • fill_value：填充值

  • dtype=None：元素类型

n = np.full(shape=(3,4),fill_value=8,dtype=np.int16)n# 执行结果array([[8, 8, 8, 8],       [8, 8, 8, 8],       [8, 8, 8, 8]], dtype=int16)

（4）np.eye(N,M=None,k=0,dtype=float)

• 对角线为1其他的位置为0的二维数组

• 参数说明：

  • N：行数

  • M：列数，默认为None，表示和行数一样

  • k=0：向右偏移0个位置

  • dtype=None：元素类型

# 对角线为1其他的位置为0的二维数组# 单位矩阵：主对角线都是1，其他都是0n = np.eye(6)n# 执行结果array([[1., 0., 0., 0., 0., 0.],       [0., 1., 0., 0., 0., 0.],       [0., 0., 1., 0., 0., 0.],       [0., 0., 0., 1., 0., 0.],       [0., 0., 0., 0., 1., 0.],       [0., 0., 0., 0., 0., 1.]])​n = np.eye(6,6)n# 执行结果array([[1., 0., 0., 0., 0., 0.],       [0., 1., 0., 0., 0., 0.],       [0., 0., 1., 0., 0., 0.],       [0., 0., 0., 1., 0., 0.],       [0., 0., 0., 0., 1., 0.],       [0., 0., 0., 0., 0., 1.]])​n = np.eye(6,9,dtype=np.int8)n# 执行结果array([[1, 0, 0, 0, 0, 0, 0, 0, 0],       [0, 1, 0, 0, 0, 0, 0, 0, 0],       [0, 0, 1, 0, 0, 0, 0, 0, 0],       [0, 0, 0, 1, 0, 0, 0, 0, 0],       [0, 0, 0, 0, 1, 0, 0, 0, 0],       [0, 0, 0, 0, 0, 1, 0, 0, 0]], dtype=int8)​# k=2：向右偏移2个位置n = np.eye(6,6,k=2,dtype=np.int8)n#执行结果array([[0, 0, 1, 0, 0, 0],       [0, 0, 0, 1, 0, 0],       [0, 0, 0, 0, 1, 0],       [0, 0, 0, 0, 0, 1],       [0, 0, 0, 0, 0, 0],       [0, 0, 0, 0, 0, 0]], dtype=int8)       # k=-2：向左偏移2个位置n = np.eye(6,6,k=-2,dtype=np.int8)n# 执行结果array([[0, 0, 0, 0, 0, 0],       [0, 0, 0, 0, 0, 0],       [1, 0, 0, 0, 0, 0],       [0, 1, 0, 0, 0, 0],       [0, 0, 1, 0, 0, 0],       [0, 0, 0, 1, 0, 0]], dtype=int8)

（5）np.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)

• 创建一个等差数列

• 参数说明：

  • start：开始值

  • stop：结束值

  • num=50：等差数列中默认有50个数

  • endpoint=True：是否包含结束值

  • retstep=False：是否返回等差值（步长）

  • dtype=None：元素类型

# 等差数列：1，3，5，7，9......n = np.linspace(1,99,num=50,dtype=np.int16)n# 执行结果array([ 1,  3,  5,  7,  9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33,       35, 37, 39, 41, 43, 45, 47, 49, 51, 53, 55, 57, 59, 61, 63, 65, 67,       69, 71, 73, 75, 77, 79, 81, 83, 85, 87, 89, 91, 93, 95, 97, 99],      dtype=int16)      # 不包含结束值n = np.linspace(1,99,num=50,dtype=np.int16,endpoint=False)n# 执行结果array([ 1,  2,  4,  6,  8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32,       34, 36, 38, 40, 42, 44, 46, 48, 50, 51, 53, 55, 57, 59, 61, 63, 65,       67, 69, 71, 73, 75, 77, 79, 81, 83, 85, 87, 89, 91, 93, 95, 97],      dtype=int16)      # retstep=True：显示步长n = np.linspace(1,99,num=50,dtype=np.int16,retstep=True)n# 执行结果(array([ 1,  3,  5,  7,  9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33,        35, 37, 39, 41, 43, 45, 47, 49, 51, 53, 55, 57, 59, 61, 63, 65, 67,        69, 71, 73, 75, 77, 79, 81, 83, 85, 87, 89, 91, 93, 95, 97, 99],       dtype=int16), 2.0)

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

• 创建一个数值范围的数组

• 和 Python 中 range 功能类型

• 参数说明：

  • start：开始值（可选）

  • stop：结束值（不包含）

  • step：步长（可选）

  • dtype=None：元素类型

# 不包含结束值n = np.arange(10)n# 执行结果array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])​# 设置开始值n = np.arange(2,10)n# 执行结果array([2, 3, 4, 5, 6, 7, 8, 9])​# 设置步长n = np.arange(2,10,2)n# 执行结果array([2, 4, 6, 8])

（7）np.random.randint(low,high=None,size=None,dtype='I')

• 创建一个随机整数的多维数组

• 参数说明：

  • low：最小值

  • high=None：最大值

    • high=None时，生成的数值在【0,low)区间内

    • 如果使用high这个值，则生成的数值在【low,high)区间

  • size=None：数组形状，默认只输出一个随机数

  • dtype=None：元素类型b

# 随机整数,范围：[0,3)n = np.random.randint(3)n# 执行结果2​# 随机整数,范围：[3,10)n = np.random.randint(3,10)n# 执行结果7​# 随机整数：一维数组n = np.random.randint(3,10,size=6)n# 执行结果array([3, 9, 9, 9, 3, 5])​# 随机整数：二维数组n = np.random.randint(3,10,size=(3,4))n# 执行结果array([[6, 6, 4, 7],       [7, 8, 3, 7],       [5, 9, 7, 6]])       # 随机整数：三维数组n = np.random.randint(3,10,size=(3,4,5))n# 执行结果array([[[3, 6, 8, 6, 3],        [3, 5, 3, 5, 9],        [5, 7, 5, 6, 8],        [5, 5, 5, 9, 9]],​       [[5, 5, 3, 6, 9],        [8, 8, 7, 8, 9],        [6, 5, 7, 5, 3],        [8, 5, 3, 4, 8]],​       [[5, 7, 3, 3, 8],        [5, 9, 9, 9, 4],        [3, 6, 3, 4, 9],        [5, 7, 7, 4, 5]]])        # 随机整数：三维数组n = np.random.randint(0,256,size=(20,40,3))nplt.imshow(n)# 执行结果<matplotlib.image.AxesImage at 0x19507854a90>

（8）np.random.randn(d0,d1,...,dn)

• 创建一个服从标准正态分布的多维数组

  • 标准正态分布又称为 u 分布，是以 0 为均数，以 1 为标准差的正态分布，记为 N(0,1)标准正态分布，在 0 左右出现的概率最大，越远离出现的概率越低

• 创建一个所有元素为 1 的多维数组

• 参数说明：

  • dn：第 n 个维度的数值

n = np.random.randn()n# 执行结果-0.3152803212777383​n = np.random.randn(10)n# 执行结果array([-1.08674923, -0.84266234,  0.48315194, -0.27384792, -0.22261324,        0.35111371,  1.63799966, -0.74853446,  0.52026937,  0.03269324])​n = np.random.randn(3,4)n# 执行结果array([[ 0.05467138,  0.71906585,  1.71433002,  0.68904993],       [-1.17094149, -0.95344073,  0.76602977, -1.22046271],       [ 1.45891993,  1.40378872, -0.89364469, -1.29611593]])

（9）np.random.normal(loc=0.0,scale=1.0,size=None)

• 创建一个服从正态分布的多维数组

• 参数说明：

  • loc=0.0：均值，对应着正态分布的中心

  • scale：标准差，对应分布的宽度，scale越大，正态分布的曲线越矮胖，scale越小，曲线越高瘦

  • size=None：数组形状

n = np.random.normal(loc=100)n# 执行结果98.54896577995035​n = np.random.normal(loc=100,scale=10)n# 执行结果109.93226548891414​n = np.random.normal(loc=100,scale=10,size=(3,4))n# 执行结果array([[106.55863188,  99.7947272 ,  92.6754544 ,  83.47585069],       [104.12500667, 109.83623019,  96.68665303,  96.47597136],       [ 90.24713131,  90.28364275,  93.38309007,  83.58287443]])

（10）np.random.random(size=None)

• 创建一个元素为 0-1（左闭右开）的随机数的多维数组

• 参数说明：

  • size=None：数组形状

n = np.random.random()n# 执行结果0.31199272530455857​n = np.random.random(size=(3,4))n# 执行结果array([[0.08444408, 0.07450235, 0.88522599, 0.86113378],       [0.82065362, 0.97504932, 0.65321015, 0.96921815],       [0.95734724, 0.17062751, 0.58630317, 0.62395388]])

（11）np.random.rand(d0,d1,...,dn)

• 创建一个元素为 0-1（左闭右开）的随机数的多维数组

• 和 np.random.random 功能类似，掌握其中一个即可

• 参数说明：

  • dn：第 n 个维度的数值

n = np.random.rand()n# 执行结果0.03291695735466904​n = np.random.rand(3,4)n# 执行结果array([[0.15867292, 0.85912693, 0.67912155, 0.95042762],       [0.84022126, 0.85000877, 0.06752424, 0.71760504],       [0.97089325, 0.86010712, 0.77839465, 0.44999928]])

这篇关于NumPy创建ndarray数组大揭秘的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---