Python NumPy数组如何创建

今天小编给大家分享一下Python NumPy数组如何创建的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。

使用 List 创建数组

数组用于在一个变量中存储多个值。Python 没有对数组的内置支持，但可以使用 Python 列表代替。

例子 ：

arr = [1, 2, 3, 4, 5]
arr1 = ["geeks", "for", "geeks"]

# 用于创建数组的 Python 程序
 
# 使用列表创建数组
    arr=[1, 2, 3, 4, 5]
    for i in arr:
        print(i)

输出：

1 
2 
3 
4 
5

使用数组函数创建数组

array(data type, value list) 函数用于创建一个数组，其参数中指定了数据类型和值列表。

例子 ：

# 演示 array() 工作的 Python 代码
  
# 为数组操作导入“array”
import array
  
# 用数组值初始化数组
# 用有符号整数初始化数组
arr = array.array('i', [1, 2, 3]) 
 
# 打印原始数组
print ("The new created array is : ",end="")
for i in range (0,3):
    print (arr[i], end=" ")
 
print ("\r")

输出：

The new created array is : 1 2 3 1 5

使用 numpy 方法创建数组

NumPy 提供了几个函数来创建具有初始占位符内容的数组。这些最大限度地减少了增长阵列的必要性，这是一项昂贵的操作。例如：np.zeros、np.empty等。

numpy.empty(shape, dtype = float, order = 'C')： 返回给定形状和类型的新数组，具有随机值。

# 说明 numpy.empty 方法的 Python 代码
 
import numpy as geek
 
b = geek.empty(2, dtype = int)
print("Matrix b : \n", b)
 
a = geek.empty([2, 2], dtype = int)
print("\nMatrix a : \n", a)
 
c = geek.empty([3, 3])
print("\nMatrix c : \n", c)

输出 ：

Matrix b : 
 [         0 1079574528]

Matrix a : 
 [[0 0]
 [0 0]]

Matrix a : 
 [[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]

numpy.zeros(shape, dtype = None, order = 'C')： 返回给定形状和类型的新数组，带零。

# 说明 numpy.zeros 方法的 Python 程序
 
import numpy as geek
 
b = geek.zeros(2, dtype = int)
print("Matrix b : \n", b)
 
a = geek.zeros([2, 2], dtype = int)
print("\nMatrix a : \n", a)
 
c = geek.zeros([3, 3])
print("\nMatrix c : \n", c)

输出 ：

Matrix b : 
 [0 0]

Matrix a : 
 [[0 0]
 [0 0]]

Matrix c : 
 [[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]

重塑数组

我们可以使用reshape方法来重塑数组。考虑一个形状为 (a1, a2, a3, ..., aN) 的数组。我们可以重新整形并将其转换为另一个形状为 (b1, b2, b3, ..., bM) 的数组。

唯一需要的条件是： a1 x a2 x a3 … x aN = b1 x b2 x b3 … x bM 。（即数组的原始大小保持不变。）

numpy.reshape(array, shape, order = 'C')： 在不更改数组数据的情况下对数组进行整形。

# 说明 numpy.reshape() 方法的 Python 程序
 
import numpy as geek
 
array = geek.arange(8)
print("Original array : \n", array)
 
# 具有 2 行和 4 列的形状数组
array = geek.arange(8).reshape(2, 4)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
 
# 具有 2 行和 4 列的形状数组
array = geek.arange(8).reshape(4 ,2)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
 
# 构造 3D 数组
array = geek.arange(8).reshape(2, 2, 2)
print("\nOriginal array reshaped to 3D : \n", array)

输出 ：

Original array : 
 [0 1 2 3 4 5 6 7]

array reshaped with 2 rows and 4 columns : 
 [[0 1 2 3]
 [4 5 6 7]]

array reshaped with 2 rows and 4 columns : 
 [[0 1]
 [2 3]
 [4 5]
 [6 7]]

Original array reshaped to 3D : 
 [[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]]

为了创建数字序列，NumPy 提供了一个类似于 range 的函数，它返回数组而不是列表。

arange返回给定间隔内均匀分布的值。步长是指定的。

linspace 返回给定间隔内均匀分布的值。编号_ 的元素被返回。

arange([start,] stop[, step,][, dtype])： 根据间隔返回一个具有均匀间隔元素的数组。提到的间隔是半开的，即[开始，停止）

# 说明 numpy.arange 方法的 Python 编程
 
import numpy as geek
 
print("A\n", geek.arange(4).reshape(2, 2), "\n")
 
print("A\n", geek.arange(4, 10), "\n")
 
print("A\n", geek.arange(4, 20, 3), "\n")

输出 ：

A 
 [[0 1] 
 [2 3]] 

A 
 [4 5 6 7 8 9] 

A 
 [ 4 7 10 13 16 19]

numpy.linspace(start, stop, num = 50, endpoint = True, retstep = False, dtype = None)： 在间隔中均匀返回数字空间。类似于 arange 但不是 step 它使用样本编号。

# 说明 numpy.linspace 方法的 Python 编程
 
import numpy as geek
 
# 重新设置为 True
print("B\n", geek.linspace(2.0, 3.0, num=5, retstep=True), "\n")
 
# 长期评估 sin()
x = geek.linspace(0, 2, 10)
print("A\n", geek.sin(x))

输出 ：

B
 (array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ]), 0.25)

A
 [ 0.          0.22039774  0.42995636  0.6183698   0.77637192  0.8961922
  0.9719379   0.99988386  0.9786557   0.90929743]

展平数组

我们可以使用展平方法将数组的副本折叠成一维。它接受 order 参数。默认值为“C”（用于行优先顺序）。使用“F”表示列主要顺序。

numpy.ndarray.flatten(order = 'C') ：返回折叠成一维的数组的副本。

# 说明 numpy.flatten() 方法的 Python 程序
 
import numpy as geek
 
array = geek.array([[1, 2], [3, 4]])
 
# 使用扁平化方法
array.flatten()
print(array)
 
#使用扁平化方法
array.flatten('F')
print(array)

输出 ：

[1, 2, 3, 4] 
[1, 3, 2, 4]

在 Numpy 中创建数组的方法

以上就是“Python NumPy数组如何创建”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注亿速云行业资讯频道。