Python笔记：详解使用内置函数创建ndarray

最新推荐文章于 2022-08-18 23:10:00 发布

原创最新推荐文章于 2022-08-18 23:10:00 发布 · 816 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#Python #ndarray #内置函数

Python 专栏收录该内容

110 篇文章

订阅专栏

本文介绍使用Python的NumPy库创建不同类型的数组方法，包括全零数组、全一数组、常数填充数组、单位矩阵、对角矩阵等，并探讨如何通过arange、linspace函数及reshape方法创建指定形状的数组，最后还介绍了创建随机数组的方法。

引入

import numpy as np

在此引入一次，下面直接使用 np

使用 `np.zeros(shape)` 创建

X = np.zeros((3,4))
print()
print('X = \n', X) 
print()
print('X has dimensions:', X.shape)
print('X is an object of type:', type(X))
print('The elements in X are of type:', X.dtype)

输出：

X =
[[ 0. 0. 0. 0.]
 [ 0. 0. 0. 0.]
 [ 0. 0. 0. 0.]]

X has dimensions: (3, 4)
X is an object of type: class 'numpy.ndarray'
The elements in X are of type: float64

np.zeros(shape) 会创建一个全是 0 并且为给定形状的 ndarray
同 np.array() 一样，内置函数也可以创建指定类型的 ndarray, 参考前文

使用 `np.ones(shape)` 创建

X = np.ones((3,2), dtype = np.int64) # 此处指定类型
print()
print('X = \n', X)
print()
print('X has dimensions:', X.shape)
print('X is an object of type:', type(X))
print('The elements in X are of type:', X.dtype)

输出：

X = 
 [[1 1]
 [1 1]
 [1 1]]

X has dimensions: (3, 2)
X is an object of type: <class 'numpy.ndarray'>
The elements in X are of type: int64

此处我们创建了一个具有指定形状的 ndarray，其中的元素全是 1

使用 `np.full(shape, constant value)` 创建

X = np.full((2,3), 5) 
print()
print('X = \n', X)
print()
print('X has dimensions:', X.shape)
print('X is an object of type:', type(X))
print('The elements in X are of type:', X.dtype)

输出：

X =
[[5 5 5]
 [5 5 5]]

X has dimensions: (2, 3)
X is an object of type: class 'numpy.ndarray'
The elements in X are of type: int64

第一个参数是你要创建的 ndarray 的形状，第二个参数是你要向数组中填充的常数值。
常数值这里如果你填写5.0，那么类型自动变为 float64 类型
当然，还可再加第三个参数，比如： dtype = np.int64 , 来更改数据类型

使用 `np.eye(N)` 创建 `单位矩阵`

X = np.eye(5)

print()
print('X = \n', X)
print()
print('X has dimensions:', X.shape)
print('X is an object of type:', type(X))
print('The elements in X are of type:', X.dtype)

输出：

X =
[[ 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.]]

X has dimensions: (5, 5)
X is an object of type: class 'numpy.ndarray'
The elements in X are of type: float64

单位矩阵是主对角线上全是 1，其他位置全是 0 的方形矩阵。
线性代数中的基本数组是单位矩阵。

使用 `np.diag()` 创建 `对角矩阵`

X = np.diag([10,20,30,50])
print()
print('X = \n', X)
print()

输出为：

X =
[[10 0 0 0]
 [ 0 20 0 0]
 [ 0 0 30 0]
 [ 0 0 0 50]]

使用 `np.arange(start,stop,step)` 创建在给定区间内值均匀分布的 ndarray

x = np.arange(1,14,3)
print()
print('x = ', x)
print()
print('x has dimensions:', x.shape)
print('x is an object of type:', type(x))
print('The elements in x are of type:', x.dtype)

输出：

x = [ 1 4 7 10 13]

x has dimensions: (5,)
x is an object of type: class 'numpy.ndarray'
The elements in x are of type: int64

可以传入一个参数、两个参数或三个参数。
如果只传入一个参数，np.arange(N) 将创建一个秩为 1 的 ndarray，其中包含从 0 到 N - 1 的连续整数。
注意，如果我希望数组具有介于 0 到 9 之间的整数，则需要将 N 设为 10，而不是将 N 设为 9。
均匀分布的数字将包括 start 数字，但是不包括 stop 数字。
step 表示两个相邻值之间的差。允许间隔为非整数，例如 0.3，但是由于浮点数精度有限，输出通常不一致。
因此，如果需要非整数间隔，通常建议使用函数 np.linspace(start, stop, N)。

使用 `np.linspace(start,stop,step)` 创建在给定区间内值均匀分布的 ndarray

x = np.linspace(0,25,10)
print()
print('x = \n', x)
print()
print('x has dimensions:', x.shape)
print('x is an object of type:', type(x))
print('The elements in x are of type:', x.dtype)

输出：

x = 
 [ 0.          2.77777778  5.55555556  8.33333333 11.11111111 13.88888889
 16.66666667 19.44444444 22.22222222 25.        ]

x has dimensions: (10,)
x is an object of type: <class 'numpy.ndarray'>
The elements in x are of type: float64

np.linspace(start, stop, N) 函数返回 N 个在闭区间 [start, stop] 内均匀分布的数字, 即 start 和 stop 值都包括在内。
也可以不包含区间的结束点（就像 np.arange() 函数一样），方法是在 np.linspace() 函数中将关键字 endpoint 设为 False 。

x = np.linspace(0,25,10, endpoint = False)

使用 `np.reshape(ndarray, new_shape)` 创建秩为 2 的任何形状 ndarray

x = np.arange(20)
print()
print('Original x = ', x)
print()
x = np.reshape(x, (4,5))
print()
print('Reshaped x = \n', x)
print()
print('x has dimensions:', x.shape)
print('x is an object of type:', type(x))
print('The elements in x are of type:', x.dtype)

输出：

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

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

x has dimensions: (4, 5)
x is an object of type: class 'numpy.ndarray'
The elements in x are of type: int64

我们将 np.arange() 和 np.linspace() 这些函数与 np.reshape() 函数相结合，创建秩为 2 的任何形状 ndarray。
np.reshape(ndarray, new_shape) 函数会将给定 ndarray 转换为指定的 new_shape。注意：new_shape 应该与给定 ndarray 中的元素数量保持一致。
某些函数还可以当做方法使用, 比如我们用一行代码实现上述示例中的相同结果: Y = np.arange(20).reshape(4, 5)
注意，new_shape 应该与 ndarray 中的元素数量保持一致。

同样，我们也可以使用 reshape() 与 np.linspace() 创建秩为 2 的数组。

X = np.linspace(0,50,10, endpoint=False).reshape(5,2)
print()
print('X = \n', X)
print()
print('X has dimensions:', X.shape)
print('X is an object of type:', type(X))
print('The elements in X are of type:', X.dtype)

输出：

X =
 [[ 0. 5.]
 [ 10. 15.]
 [ 20. 25.]
 [ 30. 35.]
 [ 40. 45.]]

X has dimensions: (5, 2)
X is an object of type: class 'numpy.ndarray' The elements in X are of type: float64

创建随机 ndarray

使用 np.random.random(shape) 函数创建具有给定形状的 ndarray，包含位于半开区间 [0.0, 1.0) 内的随机浮点数。

X = np.random.random((3,3))
print()
print('X = \n', X)
print()
print('X has dimensions:', X.shape)
print('X is an object of type:', type(X))
print('The elements in x are of type:', X.dtype)

输出：

X =
[[ 0.12379926 0.52943854 0.3443525 ]
 [ 0.11169547 0.82123909 0.52864397]
 [ 0.58244133 0.21980803 0.69026858]]

X has dimensions: (3, 3)
X is an object of type: class 'numpy.ndarray' The elements in X are of type: float64

使用np.random.randint(start, stop, size = shape)创建由特定区间内的随机整数构成的 ndarray, 其中包含在半开区间 [start, stop) 内的随机整数。

   X = np.random.randint(4,15,size=(3,2))
   print()
   print('X = \n', X)
   print()
   print('X has dimensions:', X.shape)
   print('X is an object of type:', type(X))
   print('The elements in X are of type:', X.dtype)

输出：

    X =
   	[[ 7 11]
   	 [ 9 11]
   	 [ 6 7]]
   	
   X has dimensions: (3, 2)
   X is an object of type: class 'numpy.ndarray' The elements in X are of type: int64

使用 np.random.normal(mean, standard deviation, size=shape) 创建由满足特定统计学特性的随机数字组成的 ndarray

X = np.random.normal(0, 0.1, size=(1000,1000))
print()
print('X = \n', X)
print()
print('X has dimensions:', X.shape)
print('X is an object of type:', type(X))
print('The elements in X are of type:', X.dtype)
print('The elements in X have a mean of:', X.mean())
print('The maximum value in X is:', X.max())
print('The minimum value in X is:', X.min())
print('X has', (X < 0).sum(), 'negative numbers')
print('X has', (X > 0).sum(), 'positive numbers')

输出：

X =
[[ 0.04218614 0.03247225 -0.02936003 ..., 0.01586796 -0.05599115 -0.03630946]
 [ 0.13879995 -0.01583122 -0.16599967 ..., 0.01859617 -0.08241612 0.09684025]
 [ 0.14422252 -0.11635985 -0.04550231 ..., -0.09748604 -0.09350044 0.02514799]
 ...,
 [-0.10472516 -0.04643974 0.08856722 ..., -0.02096011 -0.02946155 0.12930844]
 [-0.26596955 0.0829783 0.11032549 ..., -0.14492074 -0.00113646 -0.03566034]
 [-0.12044482 0.20355356 0.13637195 ..., 0.06047196 -0.04170031 -0.04957684]]

X has dimensions: (1000, 1000)
X is an object of type: class 'numpy.ndarray' The elements in X are of type: float64
The elements in X have a mean of: -0.000121576684405
The maximum value in X is: 0.476673923106
The minimum value in X is: -0.499114224706 X 具有 500562 个负数 X 具有 499438 个正数

说明：

创建了包含从正态高斯分布（具有给定均值和标准差）中抽样的随机数字。即：一个 1,000 x 1,000 ndarray，其中包含从正态分布（均值为 0，标准差为 0.1）中随机抽样的浮点数。
可以看出，ndarray 中的随机数字的平均值接近 0，X 中的最大值和最小值与 0（平均值）保持对称，正数和负数的数量很接近。