NumPy(二)：NumPy创建数组的几种方式np.zeros() np.ones() np.arange() np.linspace() np.indices_python

文章目录

NumPy创建数组的五种方式
- 将Python array-like对象转换为Numpy数组
- Numpy原生数组的创建
- - np.zeros(shape)
  - np.ones(shape)
  - np.arange()
  - np.linspace()
  - np.indices()

NumPy创建数组的五种方式

学习链接：https://www.numpy.org.cn/user/basics/creation.html

从其他Python结构（比如，列表、元组）转换
numpy原生数组的创建，比如arange、ones、zeros等
从磁盘读取数据，无论是标准格式还是自定义格式
通过使用字符串或缓冲区从原始字节创建数组
使用特殊库函数，比如random

在此只介绍前两个。

将Python array-like对象转换为Numpy数组

通常，在Python中排列成array-like结构的数值数据可以通过使用array()函数转换为数组。主要是列表和元组。

例子：

import numpy as np
array1 = np.array([1,2,3,4])   # 将列表转换为数组
array2 = np.array([1, 2, 3, 4])
array3 = np.array([[1,2.0],[0,0],(1+1j,3.)]) 
# 将列表和元组转换为数组（mix of list and tuple)
array4 = np.array([[1.+0.j,2.+0.j],[0.+0.j,0.+0.j],[1.+1.j,3.+0.j]])
'''
array1和array2均为：
array([1, 2, 3, 4])

array3:
array([[1.+0.j, 2.+0.j],
       [0.+0.j, 0.+0.j],
       [1.+1.j, 3.+0.j]])
       
array4:
array([[1.+0.j, 2.+0.j],
       [0.+0.j, 0.+0.j],
       [1.+1.j, 3.+0.j]])
'''

Numpy原生数组的创建 np.zeros(shape)

zeros(shape)将创建一个以指定形状用0填充的数组。默认的dtype是float64。

import numpy as np
array = np.zeros((2,3))

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

np.ones(shape)

ones(shape)将创建一个以指定形状用1填充的数组。其他方面与zeros相同。

import numpy as np
array = np.ones((2,3))

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

np.arange()

arange()将创建一个有规律递增或递减的数组。
```
array1 = np.arange(10)  # 默认数据类型为int32
array2 = np.arange(2,10,dtype=np.float)
array3 = np.arange(0,11,2)
array4 = np.arange(10,0,-2)
'''输出结果
array1:
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

array2:
array([2., 3., 4., 5., 6., 7., 8., 9.])

array3:
array([ 0,  2,  4,  6,  8, 10])

array4:
array([10,  8,  6,  4,  2])'''
```
np.arange()函数：
- 一个参数时：np.arange(a)，返回一个在区间[0, a)内递增的数组，步长为默认值1。
- 两个参数时：np.arange(a,b)，返回一个在区间[a, b)内递增的数组，步长为默认值1。
- 三个参数时：np.arange(a,b,c)，返回一个在区间[a, b)内递增的数组，步长为c。

np.linspace()

linspace()将创建具有指定数量元素的数组，并在指定的开始值和结束值之间平均间隔。
```
array1 = np.linspace(1.,4.,6)
# array1：array([1. , 1.6, 2.2, 2.8, 3.4, 4. ])

array2 = np.linspace(1.,4.,6,endpoint=True)
# array2：array([1. , 1.6, 2.2, 2.8, 3.4, 4. ])

array3 = np.linspace(1.,4.,6,endpoint=False)
# array3：array([1. , 1.5, 2. , 2.5, 3. , 3.5])
# 可以理解为在区间[1., 4.]之间均匀分为7(即num+1)个数据，删除4.返回前六个数据构成的数组。
```
np.linspace()函数：
- 语法：np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
- 返回在 [start, stop] 之间均匀间隔的数据
- start、stop分别表示开始值和结束值
- num：生成数组的元素数量，默认为50
- endpoint：True则包含stop；False则不包含stop。默认endpoint=True
- retstep：即如果为True则结果会给出数据间隔)
- dtype：输出数组类型
- axis：0(默认)或-1

np.indices()

indices()返回一个给定形状数组的序号网格索引数组，可以用于提取数组元素或对数组进行切片使用。

语法：np.indices(dimensions, dtype, sparse=False)
dimensions：网格的形状（整数序列）
dtype：数据类型
sparse：返回网格的稀疏表示，而不是密集表示。默认值是False。
sparse=False时，返回一个网格索引数组grid.shape = (len(dimensions), ) + tuple(dimensions)。
sparse=True时，返回数组的元素

import numpy as np 
x = np.arange(20).reshape((5,4))
dense_grid = np.indices((2,3))                  
#返回一个2x3网格序列,密集分布，每个行号和列号一一对应，表示一个位置的元素。
sparse_grid  = np.indices((2,3),sparse= True)   
#返回一个松散排布的2x3网格的行分布和列分布元组,行号和列号不是一一对应，一个行号对应多个列号。
 
# 显示错误：indices() got an unexpected keyword argument 'sparse'
# 原因可能是numpy版本问题，待更新后再尝试
 

print("x:\n",x)
print("x.shape:",x.shape)