【相关推荐:Python3视频教程 】

使用 List 创建数组

数组用于在一个变量中存储多个值。Python 没有对数组的内置支持,但可以使用 Python 列表代替。

例子 :

arr = [1, 2, 3, 4, 5]
arr1 = ["geeks", "for", "geeks"]
# 用于创建数组的 Python 程序
 
# 使用列表创建数组
    arr=[1, 2, 3, 4, 5]
    for i in arr:
        print(i)

输出:

1
2
3
4
5

使用数组函数创建数组

array(data type, value list) 函数用于创建一个数组,其参数中指定了数据类型和值列表。

例子 :

# 演示 array() 工作的 Python 代码
  
# 为数组操作导入“array”
import array
  
# 用数组值初始化数组
# 用有符号整数初始化数组
arr = array.array('i', [1, 2, 3]) 
 
# 打印原始数组
print ("The new created array is : ",end="")
for i in range (0,3):
    print (arr[i], end=" ")
 
print ("\r")

输出:

The new created array is : 1 2 3 1 5

使用 numpy 方法创建数组

NumPy 提供了几个函数来创建具有初始占位符内容的数组。这些最大限度地减少了增长阵列的必要性,这是一项昂贵的操作。例如:np.zeros、np.empty等。

numpy.empty(shape, dtype = float, order = 'C'): 返回给定形状和类型的新数组,具有随机值。

# 说明 numpy.empty 方法的 Python 代码
 
import numpy as geek
 
b = geek.empty(2, dtype = int)
print("Matrix b : \n", b)
 
a = geek.empty([2, 2], dtype = int)
print("\nMatrix a : \n", a)
 
c = geek.empty([3, 3])
print("\nMatrix c : \n", c)

输出 :

Matrix b :
[ 0 1079574528]

Matrix a :
[[0 0]
[0 0]]

Matrix a :
[[ 0. 0. 0.]
[ 0. 0. 0.]
[ 0. 0. 0.]]

numpy.zeros(shape, dtype = None, order = 'C'): 返回给定形状和类型的新数组,带零。

# 说明 numpy.zeros 方法的 Python 程序
 
import numpy as geek
 
b = geek.zeros(2, dtype = int)
print("Matrix b : \n", b)
 
a = geek.zeros([2, 2], dtype = int)
print("\nMatrix a : \n", a)
 
c = geek.zeros([3, 3])
print("\nMatrix c : \n", c)

输出 :

Matrix b :
[0 0]

Matrix a :
[[0 0]
[0 0]]

Matrix c :
[[ 0. 0. 0.]
[ 0. 0. 0.]
[ 0. 0. 0.]]

重塑数组

我们可以使用reshape方法来重塑数组。考虑一个形状为 (a1, a2, a3, ..., aN) 的数组。我们可以重新整形并将其转换为另一个形状为 (b1, b2, b3, ..., bM) 的数组。

唯一需要的条件是: a1 x a2 x a3 … x aN = b1 x b2 x b3 … x bM 。(即数组的原始大小保持不变。)

numpy.reshape(array, shape, order = 'C'): 在不更改数组数据的情况下对数组进行整形。

# 说明 numpy.reshape() 方法的 Python 程序
 
import numpy as geek
 
array = geek.arange(8)
print("Original array : \n", array)
 
# 具有 2 行和 4 列的形状数组
array = geek.arange(8).reshape(2, 4)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
 
# 具有 2 行和 4 列的形状数组
array = geek.arange(8).reshape(4 ,2)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
 
# 构造 3D 数组
array = geek.arange(8).reshape(2, 2, 2)
print("\nOriginal array reshaped to 3D : \n", array)

输出 :

Original array :
[0 1 2 3 4 5 6 7]

array reshaped with 2 rows and 4 columns :
[[0 1 2 3]
[4 5 6 7]]

array reshaped with 2 rows and 4 columns :
[[0 1]
[2 3]
[4 5]
[6 7]]

Original array reshaped to 3D :
[[[0 1]
[2 3]]

[[4 5]
[6 7]]]

为了创建数字序列,NumPy 提供了一个类似于 range 的函数,它返回数组而不是列表。

arange返回给定间隔内均匀分布的值。长是指定的。

linspace 返回给定间隔内均匀分布的值。编号_ 的元素被返回。

arange([start,] stop[, step,][, dtype]): 根据间隔返回一个具有均匀间隔元素的数组。提到的间隔是半开的,即[开始,停止)

# 说明 numpy.arange 方法的 Python 编程
 
import numpy as geek
 
print("A\n", geek.arange(4).reshape(2, 2), "\n")
 
print("A\n", geek.arange(4, 10), "\n")
 
print("A\n", geek.arange(4, 20, 3), "\n")

输出 :

A
[[0 1]
[2 3]]

A
[4 5 6 7 8 9]

A
[ 4 7 10 13 16 19]

numpy.linspace(start, stop, num = 50, endpoint = True, retstep = False, dtype = None): 在间隔中均匀返回数字空间。类似于 arange 但不是 step 它使用样本编号。

# 说明 numpy.linspace 方法的 Python 编程
 
import numpy as geek
 
# 重新设置为 True
print("B\n", geek.linspace(2.0, 3.0, num=5, retstep=True), "\n")
 
# 长期评估 sin()
x = geek.linspace(0, 2, 10)
print("A\n", geek.sin(x))

输出 :

B
(array([ 2. , 2.25, 2.5 , 2.75, 3. ]), 0.25)

A
[ 0. 0.22039774 0.42995636 0.6183698 0.77637192 0.8961922
0.9719379 0.99988386 0.9786557 0.90929743]

展平数组

我们可以使用展平方法将数组的副本折叠成一维。它接受 order 参数。默认值为“C”(用于行优先顺序)。使用“F”表示列主要顺序。

numpy.ndarray.flatten(order = 'C') :返回折叠成一维的数组的副本。

# 说明 numpy.flatten() 方法的 Python 程序
 
import numpy as geek
 
array = geek.array([[1, 2], [3, 4]])
 
# 使用扁平化方法
array.flatten()
print(array)
 
#使用扁平化方法
array.flatten('F')
print(array)

输出 :

[1, 2, 3, 4]
[1, 3, 2, 4]

在 Numpy 中创建数组的方法

功能描述
empty()返回给定形状和类型的新数组,而不初始化条目
empty_like()返回与给定数组具有相同形状和类型的新数组
eye()返回一个二维数组,其中对角线为 1,其他位置为 0。
identity()返回标识数组
ones()返回一个给定形状和类型的新数组,用一个填充
one_like()返回与给定数组具有相同形状和类型的数组
zeros()返回给定形状和类型的新数组,用零填充
zeros_like()返回与给定数组具有相同形状和类型的零数组
full_like()返回与给定数组具有相同形状和类型的完整数组。
array()创建一个数组
asarray()将输入转换为数组
asanyarray()将输入转换为 ndarray,但通过 ndarray 子类
ascontiguousarray()返回内存中的连续数组(C 顺序)
asmatrix()将输入解释为矩阵
copy()返回给定对象的数组副本
frombuffer()将缓冲区解释为一维数组
fromfile()从文本或二进制文件中的数据构造数组
fromfunction()通过在每个坐标上执行函数来构造数组
fromiter()从可迭代对象创建一个新的一维数组
fromstring()从字符串中的文本数据初始化的新一维数组
loadtxt()从文本文件加载数据
arange()在给定间隔内返回均匀间隔的值
linspace()在指定的时间间隔内返回均匀分布的数字
logspace()返回在对数刻度上均匀分布的数字
geomspace()返回在对数尺度上均匀分布的数字(几何级数)
meshgrid()从坐标向量返回坐标矩阵
mgrid()nd_grid 实例,它返回一个密集的多维“网格”
ogrid()nd_grid 实例,它返回一个开放的多维“meshgrid”
diag()提取对角线或构造对角线数组
diagflat()创建一个二维数组,将扁平化输入作为对角线
tri()一个数组,在给定的对角线处和下方都有一个,在其他地方有零
tril()数组的下三角形
triu()数组的上三角形
vander()生成范德蒙德矩阵
mat()将输入解释为矩阵
bmat()从字符串、嵌套序列或数组构建矩阵对象

【相关推荐:Python3视频教程 】

以上就是Python NumPy教程之数组的创建详解的详细内容,转载自php中文网

点赞(995) 打赏

评论列表 共有 0 条评论

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部