05 Numpy 创建数组.md

05 Numpy 创建数组

numpy.empty()

numpy.empty() 创建未初始化的数组，可以指定创建数组的形状（shape）和数据类型（dtype），语法格式如下：

numpy.empty(shape, dtype = float, order = 'C')

它接受以下参数：

• shape：指定数组的形状；
• dtype：数组元素的数据类型，默认值是值 float；
• 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，默认顺序是“C”(行优先顺序)。

使用示例如下：

import numpy as np 
arr = np.empty((3,2), dtype = int) 
print(arr) 

输出结果：

[[1678205957 1509983240]
 [1392665606 -636868352]
 [1868783371 1919252078]]

可以看到，numpy.empty() 返回的数组带有随机值，但这些数值并没有实际意义。切记 empty 并非创建空数组。empty与zeros不同，它不会将数组值设置为零，因此可能会稍微快一些。另一方面，它需要用户手动设置数组中的所有值，应谨慎使用。

numpy.zeros()

该函数用来创建元素均为 0 的数组，同时还可以指定被数组的形状，语法格式如下：

numpy. zeros(shape,dtype=float,order="C")

参数名称	说明描述
shape	指定数组的形状大小。
dtype	可选项，数组的数据类型
order	“C”代表以行顺序存储，“F”则表示以列顺序存储

示例如下：

import numpy as np
#默认数据类型为浮点数
a=np.zeros(6)
print(a)
b=np.zeros(6,dtype="complex64" )
print(b)

输出结果：

[0. 0. 0. 0. 0. 0.]

[0.+0.j 0.+0.j 0.+0.j 0.+0.j 0.+0.j 0.+0.j]

也可以使用自定义的数据类型创建数组，如下所示：

c = np.zeros((3,3), dtype = [('x', 'i4'), ('y', 'i4')]) 
print(c)

输出结果：

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

numpy.ones()

返回指定形状大小与数据类型的新数组，并且新数组中每项元素均用 1 填充，语法格式如下：

numpy.ones(shape, dtype = None, order = 'C')

示例如下：

import numpy as np 
arr1 = np.ones((3,2), dtype = int) 
print(arr1)  

输出结果如下：

[[1 1]
 [1 1]
 [1 1]]

下面介绍如何使用 Python 列表、流对象、可迭代对象来创建一个 NumPy 数组。

numpy.asarray()

asarray() 与 array() 类似，但是它比 array() 更为简单。asarray() 能够将一个 Python 序列 (list)转化为 ndarray 对象，语法格式如下：

numpy.asarray（sequence，dtype = None ，order = None ）

参数说明：

参数	描述
sequence	任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
dtype	数据类型，可选
order	可选，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。

将列表转化为 numpy 数组：

import numpy as np 
l=[1,2,3,4,5,6,7] 
print(type(l))
a = np.asarray(l); 
print(type(a)) 
print(a) 

输出结果：

<class 'list'>
<class 'numpy.ndarray'>
[1 2 3 4 5 6 7]

使用元组创建 numpy 数组：

import numpy as np 
l=(1,2,3,4,5,6,7)
print(type(l))
a = np.asarray(l); 
print(type(a)) 
print(a)  

输出结果：

<class 'tuple'>
<class 'numpy.ndarray'>
[1 2 3 4 5 6 7]

使用嵌套列表创建多维数组：

import numpy as np 
l=[[1,2,3],[4, 5, 6]] 
a = np.asarray(l); 
print(type(a))
print(type(a[0])) 
print(a)

l=[[1,2,3,4,5,6,7],[8,9]] 
#不推荐从不规则的嵌套序列创建 ndarray
#如果打算这样做，则必须在创建 ndarray 时指定“dtype=object”
a = np.asarray(l, dtype=object); 
print(type(a))
print(type(a[0])) 
print(a) 

输出结果：

<class 'numpy.ndarray'>
<class 'numpy.ndarray'>
[[1 2 3]
 [4 5 6]]
 
<class 'numpy.ndarray'>
<class 'list'>
[list([1, 2, 3, 4, 5, 6, 7]) list([8, 9])]

numpy.frombuffer()

表示使用指定的缓冲区创建数组，用于实现动态数组。numpy.frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。

下面给出了该函数的语法格式：

numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

它的参数说明如下所示：

参数	描述
buffer	可以是任意对象，会以流的形式读入。
dtype	返回数组的数据类型，可选，默认是 float32；
count	读取的数据数量，默认为-1，表示读取所有数据。
offset	读取的起始位置，默认为0。

示例如下：

import numpy as np 
#字节串类型
l = b'hello world' 
print(type(l)) 
a = np.frombuffer(l, dtype = "S1") 
print(a) 
print(type(a)) 

输出结果：

<class 'bytes'>
[b'h' b'e' b'l' b'l' b'o' b' ' b'w' b'o' b'r' b'l' b'd']
<class 'numpy.ndarray'>

numpy.fromiter()

该方法可以把迭代对象转换为 ndarray 数组，其返回值是一个一维数组。

numpy.fromiter(iterable, dtype, count = -1)

参数说明：

参数名称	描述说明
iterable	可迭代对象。
dtype	返回数组的数据类型。
count	读取的数据数量，默认为 -1，读取所有数据。

使用内置 range() 函数创建列表对象，然后使用迭代器创建 ndarray 对象，代码如下：

import numpy as np
# 使用 range 函数创建列表对象 
list=range(6)
#生成可迭代对象i
i=iter(list)
print(type(i))
#使用i迭代器，通过fromiter方法创建ndarray
array=np.fromiter(i, dtype=float)
print(array)

输出结果：

<class 'range_iterator'>
[0. 1. 2. 3. 4. 5.]

numpy.arange()

在 NumPy 中，您可以使用 arange() 来创建给定数值范围的数组，语法格式如下：

numpy.arange(start, stop, step, dtype)

参数说明见下表：

参数名称	参数说明
start	起始值，默认是 0。
stop	终止值，注意生成的数组元素值不包含终止值。
step	步长，默认为 1。
dtype	可选参数，指定 ndarray 数组的数据类型。

根据start与stop指定的范围以及step步长值，生成一个 ndarray 数组，示例如下。

import numpy as np
x = np.arange(8) 
print (x)

输出结果如下所示：

[0 1 2 3 4 5 6 7]

设置 start 、stop 值以及步长，最终输出 0-10 中的奇数：

import numpy as np
x = np.arange(1,10,2) 
print (x)

输出结果如下所示：

[1 3 5 7 9]

numpy.linspace()

表示在指定的数值区间内，返回均匀间隔的一维等差数组，默认均分 50 份，语法格式如下：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

参数说明：

参数	描述
start	代表数值区间的起始值
stop	代表数值区间的终止值，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公差项，反之不显示。
dtype	ndarray 的数据类型

示例如下：

import numpy as np
#生成10个样本
a = np.linspace(1,10,10)
print(a)

输出结果：

[ 1.  2.  3.  4.  5.  6.  7.  8.  9. 10.]

下面示例是 endpoint 为 Fasle 时，此时不包含终止值：

import numpy as np 
arr = np.linspace(10, 20, 5, endpoint = False) 
print(arr)  

输出结果：

[10. 12. 14. 16. 18.]

retstep 参数使用示例如下：

import numpy as np
x = np.linspace(1,2,5, retstep = True)
print(x) 

输出结果如下，其中 0.25 为等差数列的公差：

(array([1.  , 1.25, 1.5 , 1.75, 2.  ]), 0.25)

numpy.logspace()

该函数同样返回一个 ndarray 数组，它用于创建等比数组，语法格式如下：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

详细说明：

参数名称	说明描述
start	序列的起始值：base**start。
stop	序列的终止值：base**stop。
num	数值范围区间内样本数量，默认为 50。
endpoint	默认为 True 包含终止值，反之不包含。
base	对数函数的 log 底数，默认为10。
dtype	可选参数，指定 ndarray 数组的数据类型。

使用示例如下：

import numpy as np
a = np.logspace(1.0,2.0, num = 10)
print (a)

输出结果：

[ 10.          12.91549665  16.68100537  21.5443469   27.82559402
  35.93813664  46.41588834  59.94842503  77.42636827 100.        ]

下面是 base = 2 的对数函数，示例如下：

import numpy as np
a = np.logspace(1,10,num = 10, base = 2)
print(a)

输出结果:

[   2.    4.    8.   16.   32.   64.  128.  256.  512. 1024.]