NumPy | 05 创建数组

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。

一、numpy.empty

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:

参数 描述
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。

一个创建空数组的实例:

import numpy as np
x = np.empty([3,2], dtype = int)
print (x)

输出结果为:

[[ 6917529027641081856  5764616291768666155]
 [ 6917529027641081859 -5764598754299804209]
 [          4497473538      844429428932120]]

注意:数组元素为随机值,因为它们未初始化。

二、numpy.zeros

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:

参数 描述
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
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 = np.int)
print(y)

# 自定义类型
z = np.zeros((2,2), dtype = [(‘x‘, ‘i4‘), (‘y‘, ‘i4‘)])
print(z)

输出结果为:

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

三、numpy.ones

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:

参数 描述
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
import numpy as np

# 默认为浮点数
x = np.ones(5)
print(x)

# 自定义类型
x = np.ones([2,2], dtype = int)
print(x)

输出结果为:

[1. 1. 1. 1. 1.]
[[1 1]
 [1 1]]

补充

1. Numpy 创建标准正态分布数组:

from numpy import *

# 创建 randn(size) 服从 X~N(0,1) 的正态分布随机数组
a=random.randn(2,3)
print(a)

输出结果为:

[[-0.66177595 -1.53115428 -0.04670656]
[-0.16835942 -1.0587631 0.95134199]]


2.Numpy 创建随机分布整数型数组。

利用 randint([low,high],size) 创建一个整数型指定范围在 [low.high] 之间的数组:

from numpy import *

a=random.randint(100,200,(3,3))
print(a)

输出结果为:

[[122 184 187]
[139 157 134]
[157 163 138]]

 

3. arange 创建数组 *****

import numpy as np

a = np.arange(10)
b = np.arange(10, 20)
c = np.arange(10, 20, 2)

print(a)
print(b)
print(c)

输出:

[0 1 2 3 4 5 6 7 8 9]
[10 11 12 13 14 15 16 17 18 19]
[10 12 14 16 18]

4. eye 创建对角矩阵数组

import numpy as np

a = np.eye(5)
print(a)

输出:

[[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.]]



原文地址:https://www.cnblogs.com/Summer-skr--blog/p/11688763.html

时间: 2024-11-05 20:31:36

NumPy | 05 创建数组的相关文章

『Numpy』内存分析_利用共享内存创建数组

引.内存探究常用函数 id(),查询对象标识,通常返回的是对象的地址 sys.getsizeof(),返回的是 这个对象所占用的空间大小,对于数组来说,除了数组中每个值占用空间外,数组对象还会存储数组长度.数组类型等其他信息 numpy.ndarray.ctypes.data属性,返回numpy数组的内存位置 array.array.buffer_info(),数组对象的内存信息,返回元素起始地址和元素个数 help(array.buffer_info)'''buffer_info(self,

Numpy 创建数组2

Numpy数组除了可以使用底层 ndarray 构造器来创建外,也可以同伙一下集中方式来创建. numpty.empty numpy.empty方法用来创建一个指定形状(shaoe).数据类型(dtype)且未初始化的数组: numpy.empty(shape, dtype = float, order = “C”) 参数说明: 参数 描述 shape 数组形状 dtype 数据类型, 可选 oeder 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顺序 下面是创建

NumPy 从数值范围创建数组

numpy从数值范围创建数组主要有:创建指定范围的数组(numpy.arange).创建指定范围的等差数列(numpy.lineapace).创建指定范围的等比数列(numpy.logspace) 1.numpy.arange(start, stop, step, dtype) start:起始值,默认为0 stop:结束值,这个是必需,传一个值的时候虽然是赋值给了start,但是却是一个结束值 step:步长,默认为1 dtype:数据类型,如果没有提供,则会使用输入数据的类型. import

《利用Python进行数据分析·第2版》第四章 Numpy基础:数组和矢量计算

<利用Python进行数据分析·第2版>第四章 Numpy基础:数组和矢量计算 numpy高效处理大数组的数据原因: numpy是在一个连续的内存块中存储数据,独立于其他python内置对象.其C语言编写的算法库可以操作内存而不必进行其他工作.比起内置序列,使用的内存更少(即时间更快,空间更少) numpy可以在整个数组上执行复杂的计算,而不需要借助python的for循环 4.0 前提知识 数据:结构化的数据代指所有的通用数据,如表格型,多维数组,关键列,时间序列等 相关包:numpy pa

numpy教程:数组操作

http://blog.csdn.net/pipisorry/article/details/39496831 Array manipulation routines numpy数组基本操作,包括copy, shape, 转换(类型转换), type, 重塑等等.这些操作应该都可以使用numpy.fun(array)或者array.fun()来调用. Basic operations copyto(dst, src[, casting, where])Copies values from one

Python创建数组

1  创建数组 arange函数:指定初始值.终值.步长来创建数组 >>> import numpy >>> numpy.arange(0,1,0.1) array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]) linspace函数:通过指定开始值.终值和元素个数来创建一维数组,可以通过endpoint关键字指定是否包括终值,缺省设置是包括终值 >>> numpy.linspace(0,1,1

numpy中 array数组的shape属性

numpy.array 的shape属性理解 在码最邻近算法(K-Nearest Neighbor)的过程中,发现示例使用了numpy的array数组管理,其中关于array数组的shape(状态)属性,下面是对应的理解 numpy 创建的数组都有一个shape属性,它是一个元组,返回各个维度的维数.有时候我们可能需要知道某一维的特定维数. 二维情况 >>> import numpy as np >>> y = np.array([[1,2,3],[4,5,6]]) &

python创建数组的方法

一 直接定义法: 1.直接定义 matrix=[0,1,2,3] 2.间接定义 matrix=[0 for i in range(4)] print(matrix) 二 Numpy方法: Numpy内置了从头开始创建数组的函数: zeros(shape)将创建一个用指定形状用0填充的数组.默认的dtype是float64. 下面是几种常用的创建方法: #coding=utf-8 import numpy as np a = np.array([1,2,3,4,5]) print a b = np

numpy库中数组的数据类型

numpy库中数组的数据类型 dtype是一个特殊的对象,它含有ndarray将一块内存解释为特殊数据类型所需要的信息 指定数据类型创建数组 >>> import numpy as np >>> arr1=np.array([1,2,3,4],dtype=np.float64) >>> arr2=np.array([1,2,3,4],dtype=np.int32) >>> arr1.dtype dtype('float64') >