【相关推荐:Python3视频教程 】
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
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
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.]]
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。步长是指定的。
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]
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]
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,更多请关注php中文网其它相关文章!
已抢186680个
抢已抢67318个
抢已抢353141个
抢已抢667418个
抢已抢122588个
抢已抢24093个
抢