1、创建数组函数
创建一个指定形状（shape）及数据类型（dtype）且未初始化的数组：
numpy.empty(shape, dtype = float, order = 'C')
- shape 指定 数组维度
- dtype 指定数据类型
- order "C"和"F"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
>>> import numpy as np
>>> aa = np.empty([3,2], dtype = int)
>>> aa
array([[140094824630248, 26048112],
[140094709808288, 140094709812416],
[140093243260955, 0]])
注意 − 数组元素为随机值，值取决于内存，未初始化
创建指定大小，元素为 0 的数组
numpy.zeros(shape, dtype = float, order = 'C')
- shape 指定 数组维度
- dtype 指定数据类型
- order C' 用于 C 的行数组，或者 'F' 用于 FORTRAN 的列数组
''' 默认为浮点数 '''
>>> np.zeros(5)
array([0., 0., 0., 0., 0.])
''' 设置类型为整数 '''
>>> np.zeros((5,), dtype = np.int)
array([0, 0, 0, 0, 0])
''' 自定义类型 '''
>>> np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])
array([[(0, 0), (0, 0)],
[(0, 0), (0, 0)]], dtype=[('x', '<i4'), ('y', '<i4')])
创建指定大小，元素为 1 的数组
numpy.ones(shape, dtype = None, order = 'C')
- shape 指定 数组维度
- dtype 指定数据类型
- order C' 用于 C 的行数组，或者 'F' 用于 FORTRAN 的列数组
# 2页，3行，4列，全1(ones代表生成的数组元素值都是1)，指定数据类型
>>> import numpy as np
>>> np.ones((2,3,4),dtype=np.int16)
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]]], dtype=int16)
numpy.arange(start, stop, step, dtype)
根据 start 与 stop 指定的范围 [start,stop) 以及 step 设定的步长，生成一个 ndarray
- start : 起始值，默认为0，（包含）
- 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
''' 起点为0，间隔为1时可缺省(引起歧义下不可缺省) '''
>>> np.arange(0,7,1,dtype=np.int16)
array([0, 1, 2, 3, 4, 5, 6], dtype=int16)
''' 起点为0，不超过10，步长为2 '''
>>> np.arange(0,10,2)
array([0, 2, 4, 6, 8])
''' 改变输出形状 '''
>>> np.arange(12).reshape(3,4)
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
''' 2页，3行，4列 '''
>>> np.arange(24).reshape(2,3,4)
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
生成对角矩阵
>>> import numpy as np
>>> np.eye(4)
array([[1., 0., 0., 0.],
[0., 1., 0., 0.],
[0., 0., 1., 0.],
[0., 0., 0., 1.]])
创建一个有等差数列构成的一维数组
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
- 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
- 在区间[start, stop]中，返回num个等间距的样本
- 当endpoint=False时，不包含结束端点，同时步长也会发生变化
''' 起点为-1，终点为2，取5个点 '''
>>> np.linspace(-1,2,5)
array([-1. , -0.25, 0.5 , 1.25, 2. ])
''' 不包含终点2，可以发现步长发生了变化，所有元素的值都不同了'''
>>> np.linspace(-1,2,5,endpoint=False)
array([-1. , -0.4, 0.2, 0.8, 1.4])
创建一个于等比数列
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
- 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 10 '''
>>> np.logspace(1.0,2.0,num=10)
array([ 10. , 12.91549665, 16.68100537, 21.5443469 ,
27.82559402, 35.93813664, 46.41588834, 59.94842503,
77.42636827, 100. ])
''' 底数修改为 2 '''
>>> np.logspace(1.0,2.0,num=10,base=2)
array([2. , 2.16011948, 2.33305808, 2.5198421 , 2.72158 ,
2.93946898, 3.1748021 , 3.42897593, 3.70349885, 4. ])
返回一个随机数或随机数数组
numpy.random.randint(low, high=None, size=None, dtype='l')
- low: int 生成的数值最低要大于等于low
- high: int (可选) 如果使用这个值，则生成的数值在[low, high)区间
- high = None 时，生成的数值要在[0, low)区间内
- size: int or tuple of ints(可选) 输出随机数的尺寸，比如size = (m * n* k)则输出同规模即m * n* k个随机数。默认是None的，仅仅返回满足要求的单一随机数。
- dtype: dtype(可选)： 想要输出的格式。如int64、int等等
- 每次运行生成的数组都是随机不同的
''' 大于等于1，小于3，2行3列的随机整数 '''
>>> np.random.randint(1,3,(2,3))
array([[2, 2, 1],
[2, 1, 1]])
>>> np.random.randint(2, size=10)
array([1, 0, 1, 0, 0, 1, 1, 0, 0, 0])
>>> np.random.randint(1, size=10)
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> np.random.randint(5, size=(2, 4))
array([[3, 4, 4, 2],
[1, 1, 4, 2]])
>>> np.random.randint(2, high=10, size=(2,3))
array([[8, 4, 2],
[6, 6, 3]])
网友评论