【Python】Numpy之各种创建array的方法及Numpy中的函数使用

学习Python的童鞋，对numpy都不陌生，小白最近学习了一些Numpy的方法，发现Numpy真的很强大。

目录

1.如何创建array?

1.1tuple函数

1.2list函数

2.创建一些特殊的矩阵

2.1生成相应大小的零矩阵,默认数据类型是float

2.2生成相应大小的1矩阵,默认数据类型是float

2.3生成一个随机元素的矩阵，大小按照参数定义，默认数据类型是float

2.4生成相应大小的一个对角线元素为1，其余位置为0的矩阵

3.numpy的一些函数

3.1函数说明：arange([start,] stop[, step,], dtype=None)

3.2函数说明：numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

3.3random函数

Numpy:本质的数字化的python，当然也可以存放string类型的数据。

其中，dtype用来指定数据类型，int32指，存放int类型最高32位，不过也可以去掉32，直接写int。数据类型float都可以定义数据的长度，也可以不定义。

结果为：

结果为：

如果同样是传入int类型的list，但是指定为float类型，如下：

结果为：

这里自动就将数据转成float类型了。

上面都是单list或者单tuple传入，那么一样可以混合传入：

这里安利一个小功能，查看array的类型（shape函数）,从结果可以看出是一个2行4列的数组。

用法：zeros(shape, dtype=float, order='C')参数：

            shape:形状             dtype:数据类型，可选参数，默认numpy.float64             dtype类型：t ,位域,如t4代表4位                                   b,布尔值，true or false                                   i,整数,如i8(64位）                                   u,无符号整数，u8(64位）                                   f,浮点数，f8（64位）                                   c,浮点负数，                                   o,对象，                                   s,a，字符串，s24                                   u,unicode,u24            order:可选参数，c代表与c语言类似，行优先；F代表列优先

用法：numpy.ones(shape, dtype=None, order=’C’)

参数：

           shape:形状           dtype:数据类型，可选参数，默认numpy.float64

           order:可选参数，c代表与c语言类似，行优先；F代表列优先

用法：empty(shape[, dtype, order])

参数：shape : 整数或者整型元组定义返回数组的形状；             dtype : 数据类型，可选定义返回数组的类型。             order : {‘C’, ‘F’}, 可选规定返回数组元素在内存的存储顺序：C（C语言）-rowmajor；F（Fortran）column-major

用法：numpy.eye(N, M=None, k=0, dtype=, order='C')

参数：

           N：int值，行数。            M：int值，列数，如果没有则默认为N。            dtype：返回的数据元素的格式，默认为float。            order：1.14.0版本后，可选参数{'C', 'F'}

下面是对应的小例子~

    根据start与stop指定的范围以及step设定的步长，生成一个 ndarray。 

   在指定的间隔内返回均匀间隔的数字。    返回num均匀分布的样本，在[start, stop]。    这个区间的端点可以任意的被排除在外。

1.np.random.random((a,b))   a代表随机生成的个数，b代表区间，如果b=10就是从0-10中随机。2.numpy.random.rand(a0, a1, ..., an)   生成一个[0,1)之间的随机浮点数或N维浮点数组。3.numpy.random.randn(a0, a1, ..., an)   生成一个浮点数或N维浮点数组，取数范围：正态分布的随机样本数。4.numpy.random.standard_normal(size=None)   生产一个浮点数或N维浮点数组，取数范围：标准正态分布随机样本5.numpy.random.randint(low, high=None, size=None, dtype='l')   生成一个整数或N维整数数组，取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。6.numpy.random.random_integers(low, high=None, size=None)   生成一个整数或一个N维整数数组，取值范围：若high不为None，则取[low,high]之间随机整数，否则取[1,low]之间随机整数。7.numpy.random.random_sample(size=None)   生成一个[0,1)之间随机浮点数或N维浮点数组。8.numpy.random.choice(a, size=None, replace=True, p=None)   从序列中获取元素，若a为整数，元素取值为np.range(a)中随机数；若a为数组，取值为a数组元素中随机元素。9.numpy.random.shuffle(x)   对X进行重排序，如果X为多维数组，只沿第一条轴洗牌，输出为None。10.numpy.random.permutation(x)   与numpy.random.shuffle(x)函数功能相同，两者区别：peumutation(x)不会修改X的顺序。

      以上是对numpy的一些简单函数的使用及创建，欢迎大家交流学习哦。