语言基础
Python
Numpy

ndarray 的创建方式

# 创建方式

np.array()

将输入的列表、元组、数组等序列类型转换我 ndaray 对象
np.asarray()

array()和 asarray()都可以将结构数据转化为 ndarray，但是主要区别就是当数据源是 ndarray 时，array 仍然会 copy 出一个副本，占用新的内存，但 asarray 不会
np.zeros()

根据指定形状创建一个全为 0 的 ndarray 对象
np.zeros_like()

传入一个数组作为参数，根据该数组的形状和 dtype 创建一个全 0 的 ndaray 对象
np.ones()

根据指定形状创建一个全为 1 的 ndarray 对象
np.ones_like()

传入一个数组作为参数，根据该数组的形状和 dtype 创建一个全 1 的 ndaray 对象
np.empty()

根据指定形状创建 ndarray 对象，只分配内存但是不填充任何值
np.empty_like()

同上
np.full()

根据指定形状传建一个 ndarray 对象，并用 fill_value 的值进行填充
np.full_like()

传入一个数组作为参数，根据该数组的形状创建一个 ndarray 对象，并用 fill_value 的值进行填充
np.eye()

传入一个整数 N，创建一个 N * N 的单位矩阵
np.identity()

传入一个整数 N，创建一个 N * N 的单位矩阵
np.random

随机抽样创建
np.arange()

在给定间隔内返回均匀间隔的值（一维数组）
np.linspace()

返回指定间隔内的等距数字。
np.fromfunction()

通过对每个坐标执行函数来构造数组
np.fromfile()

从文本或二进制文件中的数据构造数组

# 示例

import numpy as np

# data1也可以是tuple类型
# data1可以进行嵌套
data = [[1,2,3], [4,5,6]]
arr1 = np.array(data)
arr1

1
2
3
4
5
6
7

array([[1, 2, 3],
       [4, 5, 6]])

arr2 = np.asarray(arr1)
arr2

1
2

array([[1, 2, 3],
       [4, 5, 6]])

arr3 = np.zeros([3, 4])
arr3

1
2

array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

arr4 = np.zeros_like(data)
arr4

1
2

array([[0, 0, 0],
       [0, 0, 0]])

arr5 = np.ones([2, 3])
arr5

1
2

array([[1., 1., 1.],
       [1., 1., 1.]])

arr6 = np.ones_like(data)
arr6

1
2

array([[1, 1, 1],
       [1, 1, 1]])

# 可以直接在终端中演示
arr7 = np.empty([2, 2])
arr7

1
2
3

array([[3.62630691e-162, 2.21673659e-301],
       [1.76145475e-312, 6.93738460e-310]])

arr8 = np.empty_like(data)
arr8

1
2

array([[4607182418800017408, 4607182418800017408, 4607182418800017408],
       [4607182418800017408, 4607182418800017408, 4607182418800017408]])

arr9 = np.full([2,3], fill_value=3)
arr9

1
2

array([[3, 3, 3],
       [3, 3, 3]])

arr10 = np.full_like(data, 8)
arr10

1
2

array([[8, 8, 8],
       [8, 8, 8]])

# numpy.identity(n, dtype=None)
arr11 = np.identity(5)
arr11

1
2
3

array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])

"""
numpy.eye(N, M=None, k=0, dtype=<class‘float’>, order=’C’)
N: 行数
M：列数，默认等于N
k：对角线索引：0（默认）为主对角线，正值是指上对角线，负值是指到下对角线
order: {'C', 'F'}输出是否应存储在主要行（C样式）中或内存中的列主（Fortran样式）顺序
"""
arr12 = np.eye(5)
arr12

1
2
3
4
5
6
7
8
9

array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])

arr13 = np.random.randn(2, 3)
arr13

1
2

array([[-0.0678351 ,  0.23346548,  0.86009531],
       [ 0.33758557, -0.0413585 , -0.12480603]])

"""
参数
start：开始位置，数字，可选，默认值为0
stop：结束位置，数字，
step：步长，数字，可选，默认为1。如果指定step则必须指定start
dtype：类型。不指定则自动推断
"""
arr14 = np.arange(start=0, stop=10, step=2)
arr14

1
2
3
4
5
6
7
8
9

array([0, 2, 4, 6, 8])

arr15 = np.linspace(0, 10, 5)
arr15

1
2

array([ 0. ,  2.5,  5. ,  7.5, 10. ])

def fun(x, y):
    return x * 10 + y

np.fromfunction(fun, (4, 5), dtype=np.int)

1
2
3
4

array([[ 0,  1,  2,  3,  4],
       [10, 11, 12, 13, 14],
       [20, 21, 22, 23, 24],
       [30, 31, 32, 33, 34]])

def my_dot(a, b):
    return a * b

np.fromfunction(my_dot, (2, 3))

1
2
3
4

array([[0., 0., 0.],
       [0., 1., 2.]])

np.fromfunction(lambda i,j:i+j,(2, 3))

array([[0., 1., 2.],
       [1., 2., 3.]])

np.fromfile(file, dtype=float, count=-1, sep='')

file：要打开的文件对象或者文件名
dtype：返回数组的数据类型。对于二进制文件，它用于确定文件中项目的大小和字节顺序。错误的数据类型会返回错误的数据
count：要读取的项目数。-1 表示所有项目（即完整文件）
sep：如果文件是文本文件，则表示分隔项之间的分隔符。空（“”）分隔符表示应将文件视为二进制文件。分隔符中的空格（“”）与零个或多个空白字符匹配。仅由空格组成的分隔符必须至少与一个空格匹配

np.fromfile('./file/fromfile')

array([0., 1., 2., 1., 2., 3.])

np.arange(12).tofile('./file/intfile')

np.fromfile('./file/intfile') # 默认的dtype是float

array([0.0e+000, 4.9e-324, 9.9e-324, 1.5e-323, 2.0e-323, 2.5e-323,
       3.0e-323, 3.5e-323, 4.0e-323, 4.4e-323, 4.9e-323, 5.4e-323])

上次更新: 2023/11/01, 03:11:44

← 初识 Numpy NumPy 的数据类型→