numpy-创建数组 np.array np.zeros, zeros_like,ones,empty,full

numpy.array

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

object 数组或嵌套的数列
dtype 数组元素的数据类型，可选
copy 对象是否需要复制，可选
order 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok 默认返回一个与基类类型一致的数组
ndmin 指定生成数组的最小维度

# 1维数组
list01 = [1,2,3]
a = np.array([1,2,3])
b = np.array(list01)
a,b

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

# # 2维数组 指定数组的中数字的类型
a = np.array([[1,  2],  [3,  4]],dtype=np.int8)
b = type(a)
a,b

(array([[1, 2],
        [3, 4]], dtype=int8),
 numpy.ndarray)

# ndmin 生成的数组维度 是2维的
a = np.array([1, 2, 3, 4, 5], ndmin =  2)
a

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

# dtype = complex 创建虚数 数组
a = np.array([1,  2,  3], dtype = complex)
a

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

# 创建一个长度为 5 的零数组
zeros_arr = np.zeros(5)
zeros_arr

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

np.zeros

np.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’)

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

# 创建一个 3x3 的全零矩阵
zeros_matrix = np.zeros((3, 3))
zeros_matrix

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

numpy.zeros_like

numpy.zeros_like 用于创建一个与给定数组具有相同形状的数组，数组元素以 0 来填充。

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建一个与 arr 形状相同的，所有元素都为 0 的数组
zeros_arr = np.zeros_like(arr)
zeros_arr

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

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’)

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

# 创建一个长度为 5 的全一数组
ones_arr = np.ones(5)
ones_arr

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

# 创建一个 3x3 的全一矩阵
ones_matrix = np.ones((3, 3))
ones_matrix

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

np.empty()

numpy.empty(shape, dtype=float, order='c， like=None）
np.empty()是依据给定形状和类型(shape,[dtype, order])返回一个新的空数组。
它的内容是不可预测的，因为它是内存中的任何东西：

# 创建一个长度为 5 的空数组,,出来的数字是随机的,代表的是内存里边无用的数据
empty_arr = np.empty(5)
empty_arr

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

x = np.empty([3,2], dtype = int)
x

array([[         0, 1072693248],
       [         0, 1073741824],
       [         0, 1074266112]])

numpy.full()

numpy.full()函数的基本功能是生成一个具有指定形状、数据类型和填充值的数组。
numpy.full(shape, fill_value, dtype=None, order=‘C’)
shape 参数指定了输出数组的形状，可以是一个整数、元组或列表，表示数组的维度大小。
fill_value 参数用于指定填充数组的元素值，可以是任何Python数据类型，包括数值、字符串、布尔值等。
dtype 参数用于指定输出数组的数据类型，如果未指定，则根据 fill_value 的类型自动推断。
order 参数用于指定数组的存储顺序，默认为 ‘C’，表示按行优先顺序存储。

# 创建一个 2x2 的数组，所有元素为 7
value_arr = np.full((2, 2), 7)
value_arr

array([[7, 7],
       [7, 7]])

# numpy.full_like 用于创建一个与给定数组具有相同形状的数组，数组元素以 fill_value 来填充。
array=np.array([[1,4,6,8],[9,4,4,4],[2,7,2,3]])
array_w_inf=np.full_like(array,fill_value=7,dtype=np.float32)
array_w_inf

array([[7., 7., 7., 7.],
       [7., 7., 7., 7.],
       [7., 7., 7., 7.]], dtype=float32)