NumPy 创建数组方法详解

文章目录

• numpy数组
• 
  

  一、基于数组对象

• • 1. array和asarray
  • 2. frombuffer
  • 3. fromiter
• 
  

  二、基于构造函数

• • 1. empty
  • 2. zeros
  • 3. ones
• 
  

  三、基于数值范围

• • 1. arange
  • 2. linspace
  • 3. logspace

---

numpy数组

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，用于存放同类型数据的集合，内部结构如下：

• 一个指向数据（内存或内存映射文件中的一块数据）的指针
• 数据类型或 dtype，描述在数组中的固定大小值的格子
• 一个表示数组形状（shape）的元组，表示各维度大小的元组
• 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数

其生成函数如下：

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

• object是数组对象，必选
• dtype是数据类型
• copy对象是否复制
• order创建数组的样式，C为航方向，F为列方向，默认A为任意方向
• subok默认返回一个与基类类型一直的数组
• ndmin指定生产数组的最小维度

一、基于数组对象 1. array和asarray

array和asarray都可以将结构数据转化为ndarray，主要区别就是当数据源是ndarray时，array会copy出一个副本，占用新的内存，属于深拷贝,但asarray不会。





x = [1,2,3,4,5]
a = np.array(x)
b = np.asarray(x)
a == b

   array([ True,  True,  True,  True,  True])

2. frombuffer

该方法用于实现动态数组，接收buffer输入，以流的形式读入转化ndarray对象

s = b'I like python'
sbf = np.frombuffer(s,dtype='S1')
print(sbf)

   [b'I' b' ' b'l' b'i' b'k' b'e' b' ' b'p' b'y' b't' b'h' b'o' b'n']

buffer 是字符串的时候，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b

3. fromiter

从可迭代对象中建立 ndarray 对象，返回一维数组。

list=range(5)
it=iter(list) ## 构造迭代器
x=np.fromiter(it, dtype=float)
print(x)

output：
[0. 1. 2. 3. 4.]

二、基于构造函数 1. empty

创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组（数组元素为随机值）

x = np.empty([3,3], dtype = float) 
print(x)

   array([[0.00000000e+000, 0.00000000e+000, 0.00000000e+000],
          [0.00000000e+000, 0.00000000e+000, 6.71929278e-321],
          [7.56593016e-307, 2.22522596e-306, 2.56765117e-312]])

2. zeros

创建指定大小的数组，数组元素为 0

x = np.zeros(5) # 默认为浮点数
y = np.zeros((5,), dtype = np.int) # 设置类型为整数
z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')]) # 自定义类型 
print('x: {0}\n y: {1} \n z: {2}'.format(x,y,z))

x: [0. 0. 0. 0. 0.]
y: [0 0 0 0 0] 
z: [[(0, 0.) (0, 0.)]
   [(0, 0.) (0, 0.)]]

3. ones

创建指定形状的数组，数组元素为 1

x = np.ones(5) # 默认为浮点数
y = np.ones([3,3], dtype = int)# 自定义类型
print('x: {0}\n y: {1}'.format(x,y))

x: [1. 1. 1. 1. 1.]
y: [[1 1 1]
    [1 1 1]
    [1 1 1]]

三、基于数值范围 1. arange

根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray
numpy.arange(start, stop, step, dtype)

• start：起始值，默认为0
• stop：终止值（不包含）
• step：步长，默认为1

x = np.arange(1,100,3).reshape(3,11) ##从1
print(x)

array([[ 1,  4,  7, 10, 13, 16, 19, 22, 25, 28, 31],
       [34, 37, 40, 43, 46, 49, 52, 55, 58, 61, 64],
       [67, 70, 73, 76, 79, 82, 85, 88, 91, 94, 97]])

2. linspace

创建等差数列的一维数组
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

• start：起始值
• stop：终止值，如果endpoint为true，该值包含于数列中
• num：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

x = np.linspace(1,10,10, retstep= True)
print(x)

(array([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.]), 1.0)

3. logspace

创建对数等比数列
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

• start：起始值为base^start
• stop：终止值base^stop
• num：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
• base：对数 log 的底数

x = np.logspace(0,10,10,endpoint=False,base=2)
print(x)

[  1.   2.   4.   8.  16.  32.  64. 128. 256. 512.]