本篇内容主要讲解“Numpy创建数组的方法是什么”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“Numpy创建数组的方法是什么”吧!
用来创建一个指定形状(shape)、数据类型(dtype)且未初始化的数组;由于未初始化,所以数组中的数据是随机的;
numpy.empty(shape, dtype = float, order = 'C')
参数 | 描述 |
---|---|
shape | 数组形状 |
dtype | 数据类型,可选 |
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。<br>一般情况下不必关注 |
举例:
a = np.empty((4,3),dtype=int) print(a) # 每次输出都不同,因为没有初始化 # [[-958363344 464 -958381568] # [ 464 -958387104 464] # [-958380912 464 -958380224] # [ 464 -958380224 464]]
用来创建一个指定形状(shape)的数组,并全部初始化为0 举例:
a = np.ones((4,3)) print(a) # [[1 1 1] # [1 1 1] # [1 1 1] # [1 1 1]]
用来创建一个指定形状(shape)的数组,并全部初始化为1 举例:
a = np.zeros((4,3)) print(a) # [[0 0 0] # [0 0 0] # [0 0 0] # [0 0 0]]
格式为: numpy.array(object, dtype=None)
,其中:
参数 | 描述 |
---|---|
object | 创建的数组的对象,可以为单个值,列表,元胞等。 |
dtype | 数据类型,可选 |
举例:
array = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) print(array) # [0 1 2 3 4 5 6 7 8 9] print(array.dtype) # int32
格式为: numpy.asarray(a, dtype = None, order = None)
,其中:
参数 | 描述 |
---|---|
a | 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。 |
举例:
a = [1,3,1,5,4] b = np.asarray(a) print(type(a)) # <class 'list'> print(type(b)) # <class 'numpy.ndarray'>
格式为:numpy.fromiter(iterable, dtype, count=-1)
,其中:
参数 | 描述 |
---|---|
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 |
举例:
list=range(5) it=iter(list) x=np.fromiter(it, dtype=float) print(x)
格式为:numpy.arange(start, stop, step, dtype)
,其中:
参数 | 描述 |
---|---|
start | 起始值,默认为0 |
stop | 终止值(不包含) |
step | 步长,默认为1 |
dtype | 返回ndarray的数据类型,如果没有提供,则会使用输入数据的类型。 |
举例:
a = np.arange(10) print(a) # 输出:[0 1 2 3 4 5 6 7 8 9] b = np.arange(10,20,2) print(b) # 输出:[10 12 14 16 18]
格式为:np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
,其中:
参数 | 描述 |
---|---|
start | 序列的起始值 |
stop | 序列的终止值,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间距,反之不显示。 |
dtype | ndarray 的数据类型 |
举例:
a = np.linspace(10,20,5,endpoint=False) # 从10开始,20结束,一共产生5个数字,不包含20 print(a) # 输出:[10. 12. 14. 16. 18.] b = np.linspace(10,20,5,endpoint=True) print(b) # 输出:[10. 12.5 15. 17.5 20. ]
格式为 : np.random.randint(0, 100, (3, 4))
在使用random之前,可以通过 np.random.seed(666)
来设置随机种子,这一点与Python一致;
举例:
a = np.random.randint(0, 100, (3, 4)) print(a) # 输出为: # [[92 58 18 32] # [ 4 87 81 1] # [12 11 13 68]]
只要在整数的基础上除以整数即可,例如需要创建一个取值范围在0,1之间,精度为0.01的浮点型数组,可以使用如下方法:
a = np.random.randint(0, 100, (3, 4)) b= a/100 print(b) # 输出为: # [[0.05 0.48 0.72 0.95] # [0.68 0.78 0.22 0.98] # [0.17 0.45 0.7 0.85]]
到此,相信大家对“Numpy创建数组的方法是什么”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。