Numpy 多维数组创建 | 您所在的位置:网站首页 › numpy创建一个矩阵 › Numpy 多维数组创建 |
如果你使用 Python 语言进行科学计算,那么一定会接触到 Numpy。Numpy 是支持 Python 语言的数值计算扩充库,其拥有强大的高维度数组处理与矩阵运算能力。除此之外,Numpy 还内建了大量的函数,方便你快速构建数学模型。 Numpy 多维数组 1 ndarray 介绍在 python 内建对象中,数组有三种形式: list 列表:[1, 2, 3]Tuple 元组:(1, 2, 3, 4, 5)Dict 字典:{A:1, B:2}其中,元组与列表相似,不同之处在于元组的元素不能修改。而字典由键和值构成。 python 标准类针对数组的处理局限于 1 维,并仅提供少量的功能。 而 Numpy 最核心且最重要的一个特性就是 ndarray 多维数组对象,它区别于 python 的标准类,拥有对高维数组的处理能力,这也是数值计算过程中缺一不可的重要特性。 Numpy 中,ndarray 类具有六个参数,它们分别为: shape:数组的形状。dtype:数据类型。buffer:对象暴露缓冲区接口。offset:数组数据的偏移量。strides:数据步长。order:{'C','F'},以行或列为主排列顺序。下面,我们来了解创建 ndarray 的一些方法。在 numpy 中,我们主要通过以下 5 种途径创建数组,它们分别是: 从 Python 数组结构列表,元组等转换。使用 np.arange、np.ones、np.zeros 等 numpy 原生方法。从存储空间读取数组。通过使用字符串或缓冲区从原始字节创建数组。使用特殊函数,如 random。 2 从列表或元组转换在 numpy 中,我们使用 numpy.array 将列表或元组转换为 ndarray 数组。其方法为: numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0) 其中,参数: object:列表、元组等。dtype:数据类型。如果未给出,则类型为被保存对象所需的最小类型。copy:布尔来写,默认 True,表示复制对象。order:顺序。subok:布尔类型,表示子类是否被传递。ndmin:生成的数组应具有的最小维数。下面,通过列表创建一个 ndarray 数组: import numpy as np np.array([[[1, 2, 3],[1, 2, 3],[1, 2, 3]],[[1, 2, 3],[1, 2, 3],[1, 2, 3]],[[1, 2, 3],[1, 2, 3],[1, 2, 3]]]) 此处输入图片的描述 或者是列表和元组: import numpy as np np.array([(1,2),(3,4),(5,6)]) 此处输入图片的描述 3 arange 方法创建除了直接使用 array 方法创建 ndarray,在 numpy 中还有一些方法可以创建一些有规律性的多维数。首先,我们来看一看 arange()。arange() 的功能是在给定区间内创建一系列均匀间隔的值。方法如下: numpy.arange(start, stop, step, dtype=None) 你需要先设置值所在的区间,这里为 ``[开始, 停止),你应该能发现这是一个半开半闭区间。然后,在设置step步长用于设置值之间的间隔。最后的可选参数dtype 可以设置返回 ndarray` 的值类型。 举个例子: import numpy as np # 在区间 [3, 7) 中以 0.5 为步长新建数组 np.arange(3, 7, 0.5, dtype=float32) 此处输入图片的描述 4 linspace 方法创建linspace方法也可以像arange方法一样,创建数值有规律的数组。linspace 用于在指定的区间内返回间隔均匀的值。其方法如下: numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) start:序列的起始值。stop:序列的结束值。num:生成的样本数。默认值为50。endpoint:布尔值,如果为真,则最后一个样本包含在序列内。retstep:布尔值,如果为真,返回间距。dtype:数组的类型。 举个例子: import numpy as np np.linspace(0, 10, 10, endpoint=True) np.linspace(0, 10, 10, endpoint=False) 此处输入图片的描述 5 ones 方法创建numpy.ones 用于快速创建数值全部为 1 的多维数组。其方法如下: numpy.ones(shape, dtype=None, order='C') 其中: shape:用于指定数组形状,例如(1, 2)或 3。dtype:数据类型。order:{'C','F'},按行或列方式储存数组。举个例子: import numpy as np np.ones((2,3)) 此处输入图片的描述 6 zeros 方法创建zeros 方法和上面的 ones 方法非常相似,不同的地方在于,这里全部填充为 0。zeros 方法和 ones 是一致的。 numpy.zeros(shape, dtype=None, order='C') 其中: shape:用于指定数组形状,例如(1, 2)或3。dtype:数据类型。order:{'C','F'},按行或列方式储存数组。举个例子: import numpy as np np.zeros((3,2)) 此处输入图片的描述 7 eye 方法创建numpy.eye 用于创建一个二维数组,其特点是k 对角线上的值为 1,其余值全部为0。方法如下: numpy.eye(N, M=None, k=0, dtype=) 其中: N:输出数组的行数。M:输出数组的列数。k:对角线索引:0(默认)是指主对角线,正值是指上对角线,负值是指下对角线。举个例子: import numpy as np np.eye(5, 4, 3) 此处输入图片的描述 8 从已知数据创建我们还可以从已知数据文件、函数中创建 ndarray。numpy 提供了下面 5 个方法: frombuffer(buffer):将缓冲区转换为 1 维数组。fromfile(file,dtype,count,sep):从文本或二进制文件中构建多维数组。fromfunction(function,shape):通过函数返回值来创建多维数组。fromiter(iterable,dtype,count):从可迭代对象创建 1 维数组。fromstring(string,dtype,count,sep):从字符串中创建 1 维数组。举个例子: import numpy as np np.fromfunction(lambda a, b: a + b, (5, 4)) 作者:实验楼 链接:https://www.jianshu.com/p/d49de03a947f 来源:简书 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 |
CopyRight 2018-2019 实验室设备网 版权所有 |