Python Numpy快速创建包含初始值的N维数组的函数介绍及用法汇总（附python代码）

Python Numpy快速创建包含初始值的N维数组的函数介绍及用法汇总（附python代码） 1. 快速创建包含初始值的N维数组的函数：

1. arange() – 创建指定数值范围的一维数组，需要指定起始值、终止值和步长，在创建的数组中不包含终止值
2. linspace() – 与arange()函数类似，同样需要指定起始值和终止值，再设定数量（num），但是在创建的数组中包含终止值
3. logspace() – 与linspace()函数类似，不过logspace()函数是用于创建等比数列，其中起始值与终止值均为10的幂
4. zeros() – 创建元素均为“0”的数组；常用参数：shape - 用于指定数组的形状；dtype - 用于指定数值类型，默认值为浮点数（float）
5. ones() – 类似于zeros()函数，只是创建的元素均为“1”；常用的参数有：shape和dtype，用法与zeros()一致
6. eye() – 用于生成对角线数字为“1”，其他数字为“0”的数组，类似于对角矩阵
7. diag() – 与eye()函数类似，但可以指定对角线中的元素，可以是“0”或其他值，而对角线之外的其他元素都为“0”

2. 详细介绍和比较各种函数的用法及示例代码

1. arange() 创建指定数值范围的一维数组，需要指定起始值、终止值和步长，在创建的数组中不包含终止值，数组类型默认为整数类型（int）

import numpy as np
a = np.arange(0, 10, 1)
print(a)

2. linspace() 与arange()函数类似，同样需要指定起始值和终止值，第3个参数是数量（num），但是在创建的数组中会包含终止值

# 对比arange()与linspace()函数的执行结果
a = np.arange(0, 10, 1)
b = np.linspace(10, 20, 5)
c = np.linspace(10, 20, 5, dtype=int)
print("a:", a)
print("b:", b)
print("c:", c)

arange函数与linspace函数的区别有2点：
(1) linspace()在默认情况下，数组中包含终止值，而arange()是不包含终止值的。
(2) linspace()在默认情况下，数组中元素的类型为浮点数，而arange()是整数。

3. logspace() 与linspace()函数类似，不过logspace()函数是用于创建等比数列，其中起始值与终止值均为10的幂

# logspace() 的用法展示
a = np.logspace(0, 9, 10)
b = np.logspace(0, 9, 10, base=2)
c = np.logspace(0, 9, 10, base=2, dtype=int)
d = np.logspace(0, 9, 10, base=3, dtype=int)
print("a:", a)
print("b:", b)
print("c:", c)
print("d:", d)

4. zeros() 创建元素均为0的数组；常用参数：shape - 用于指定数组的形状；dtype - 用于指定数值类型，默认值为浮点数（float）

import numpy as np
a = np.zeros(4)
# 设置shape=(4, 4)
b = np.zeros((4, 4))
display(a, b)

5. ones() 类似于zeros()函数，只是创建的元素均为“1”；常用的参数有：shape和dtype，用法与zeros()基本一致, 可以直接设置shape参数，也可以与reshape()函数搭配使用

# 1. ones()用法与zeros()相类似，也可以与reshape()函数搭配使用
a = np.ones(6).reshape(3, 2)

# 2. 可以设置数组中数字的类型，如int, 默认为float
b = np.ones((3, 3), dtype=int)
print("a:n", a)
print("b:n", b)

6. eye() 用于生成对角线数字为“1”，其他数字为“0”的数组，类似于对角矩阵

a = np.eye(3)
b = np.eye(3, dtype=int)
print("a:n", a)
print("b:n", b)

7. diag() 与eye()函数类似，但可以指定对角线中的元素，可以是“0”或其他值，而对角线之外的其他元素都为“0”

# 1. diag()的基本用法：创建对角线数据为12345，其他元素为“0”的矩阵
x = np.arange(1, 6, 1)
print("x:n", x)
print("对角线为12345的矩阵:n", np.diag(x))

# 2. diag()函数的用法二
x = np.arange(9).reshape((3, 3))
print("x:n", x)
# 提前并输出x矩阵的对角线上的数据
print("np.diag(x):n", np.diag(x))
# 对角线上的元素与x矩阵对角线上的元素一致，其他值为"0"的矩阵
print("np.diag(np.diag(x)):n", np.diag(np.diag(x)))

3. 结束语

总结这些函数的用法比较：

1. 创建一维数组的函数：arange(), linspace() 和logspace()
   arange()创建的数组中是不包含终止值的，并且数值的默认类型是整数型
   linspace()创建的数组中是包含终止值的，而数值的默认类型是浮点数
2. 创建N维数组的函数：zeros()和ones()
   zeros()与ones()的使用方法基本一致；可以直接设置参数shape, 也可以与reshape()函数搭配使用；数值的默认类型为浮点数
3. 创建N维矩阵的函数：eye()和diag()
   eye()创建的矩阵对角线上的数都是"1", 数值的默认类型为浮点数
   diag()可创建对角线上的数是任何数值，对角线以外的其他元素均为"0"值