1 numpy基础之创建数组的函数

python数据分析的numpy库提供多种函数创建数组。

1.1 array

用法

 import numpy as np
 np.array
 (object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0,like=None)

描述

按照指定入参将object转换为ndarray多维数组。

object：必选，可以是列表、元组、数组等。

示例

 >>> import numpy as np
 >>> list1=[1,2,3]
 >>> ar1=np.array(list1)
 >>> ar1
 array([1, 2, 3])

1.2 asarray

用法

 asarray(a, dtype=None, order=None, *, like=None)

描述

numpy.asarray()，将输入数据转为ndarray，如果输入本身是ndarray则不进行复制。

a：输入数据，可以是元组、列表、ndarray等；

dtype：数据类型；

输入数据非ndarray，则array()和asarray()都进行复制再转换为ndarray。

输入数据为ndarray，则array()默认复制再转为ndarray，asarray()不复制直接转为ndarray。

输入数据为ndarray时，array()通过copy=False不复制直接转为ndarray。

不复制时，ndarray与输入数据指向相同内存地址的同一个对象。

示例

 >>> import numpy as np
 >>> list1=[1,2,3]
 # array()输入数据为列表
 >>> ar1=np.array(list1)
 # asarray()输入数据为列表
 >>> ar2=np.asarray(list1)
 # array() 和 asarray() 
 # 输入数据非ndarray时，进行复制后转为ndarray
 >>> id(list1),id(ar1),id(ar2)
 (2181842186048, 2181842373680, 2181842498064)
 # id获取对象内存地址，三者都指向各自地址
 >>> id(ar1)==id(list1),id(ar2)==id(list1)
 (False, False)
 >>> ar1 is list1,ar2 is list1
 (False, False)
 >>> list1,ar1,ar2
 ([1, 2, 3], array([1, 2, 3]), array([1, 2, 3]))
 # 修改 list1的元素后，ar1和ar2不变
 >>> list1[0]=11
 >>> list1,ar1,ar2
 ([11, 2, 3], array([1, 2, 3]), array([1, 2, 3]))
 
 >>> list1=[1,2,3]
 >>> ar1=np.array(list1)
 # array()输入数据为ndarray，进行复制后转为ndarray
 >>> ar2=np.array(ar1)
 # asarray()输入数据为ndarray，不进行复制直接转为ndarray
 >>> ar3=np.asarray(ar1)
 # ar1 和 ar3 指向同一个对象地址
 >>> id(ar1),id(ar2),id(ar3)
 (2181842497968, 2181842497872, 2181842497968)
 >>> id(ar1)==id(ar2),id(ar1)==id(ar3)
 (False, True)
 >>> ar2 is ar1,ar3 is ar1
 (False, True)
 >>> ar1,ar2,ar3
 (array([1, 2, 3]), array([1, 2, 3]), array([1, 2, 3]))
 # 修改 ar1 的元素后，ar2不变 ， ar3改变
 >>> ar1[0]=11
 >>> ar1,ar2,ar3
 (array([11,  2,  3]), array([1, 2, 3]), array([11,  2,  3]))
 
 >>> list1=[1,2,3]
 >>> ar1=np.array(list1)
 >>> ar1 is list1
 False
 # array()的copy入参，控制是否复制输入数据
 # 输入数据为非ndarray时，copy不生效
 >>> ar1=np.array(list1,copy=False)
 >>> ar1 is list1
 False
 >>> ar2=np.array(ar1)
 >>> ar2 is ar1
 False
 # 输入数据为ndarray时，copy生效 ，和输入数据指向同一对象
 >>> ar2=np.array(ar1,copy=False)
 >>> ar2 is ar1
 True

1.3 arange

用法

 arange([start,] stop[, step,], dtype=None, *, like=None)

描述

numpy.arange()类似python的内置函数range()，通过开始值、结束值、步长创建表示等差数列的一维数组，返回给定间隔内的均匀间隔值，不包括结束值。

start：开始值，可选，默认0；

stop：结束值，必选，数组元素不包括结束值；

step：步长，可选，默认1；

示例

 >>> import numpy as np
 >>> np.arange(3) # 只有1个入参表示结束值
 array([0, 1, 2])
 # 开始值为5，结束值为10(不包括10)，步长为1
 >>> np.arange(5,10)
 array([5, 6, 7, 8, 9])
 # 开始值为5，结束值为10(不包括10)，步长为2
 >>> np.arange(5,10,2)
 array([5, 7, 9])
 # 开始值为11，结束值为5(不包括5)，步长为-2
 >>> np.arange(11,5,-2)
 array([11,  9,  7])

1.4 ones

用法

 ones(shape, dtype=None, order='C', *, like=None)

描述

numpy.ones()根据shape和dtype创建全1的ndarray数组。

shape：必选，整数或整数序列，指定各轴大小。整数则对应一维数组。

dtype：可选，数据类型。

示例

 >>> import numpy as np
 # numpy.ones()根据shape和dtype创建全1的ndarray数组。
 # ones(shape, dtype=None, order='C', *, like=None)
 # shape： 指定各轴大小，为整数或整数序列
 # 只有1个轴(一维)时，shape轴大小 (n,) 可以简写为 n
 >>> ar1=np.ones(5)  # 一维时shape为整数
 >>> ar2=np.ones((5,)) # 一维时shape为单元素元组
 >>> ar3=np.ones([5]) # 一维时shape为单元素列表
 >>> ar1
 array([1., 1., 1., 1., 1.])
 >>> ar2
 array([1., 1., 1., 1., 1.])
 >>> ar3
 array([1., 1., 1., 1., 1.])
 >>> ar1.dtype
 dtype('float64')
 # shape=(2,3)，创建2个轴的元组，
 # 外层轴大小为2，内层轴大小为3
 >>> ar5=np.ones((2,3),dtype=int)
 >>> ar5
 array([[1, 1, 1],
        [1, 1, 1]])
 

1.5 ones_like

用法

 ones_like(a, dtype=None, order='K', subok=True, shape=None)

描述

numpy.ones_like()根据另一个数组的shape和dtype创建全1的ndarray。

a：必选，输入数据，可以是元组、列表、ndarray等；

dtype：可选，数据类型。

示例

 >>> import numpy as np
 >>> ar1=np.arange(5,10)
 >>> ar1
 array([5, 6, 7, 8, 9])
 >>> ar2=np.ones_like(ar1)
 >>> ar2
 array([1, 1, 1, 1, 1])
 >>> ar3=np.array([[1,2,3],[4,5,6]])
 >>> ar3
 array([[1, 2, 3],
        [4, 5, 6]])
 # 创建与ar3有相同shape的全1二维数组
 >>> ar5=np.ones_like(ar3)
 >>> ar5
 array([[1, 1, 1],
        [1, 1, 1]])
 

1.6 zeros

用法

 zeros(shape, dtype=float, order='C', *, like=None)

描述

numpy.zeros()根据shape和dtype创建全0的ndarray数组。

shape：必选，整数或整数序列，指定各轴大小。整数则对应一维数组。

dtype：可选，数据类型。

示例

 >>> import numpy as np
 >>> ar1=np.zeros(5)# shape整数创建一维全0数组
 >>> ar2=np.zeros((5,))# shape单元素元组创建一维全0数组
 >>> ar3=np.zeros([5])# shape单元素列表创建一维全0数组
 >>> ar1
 array([0., 0., 0., 0., 0.])
 >>> ar2
 array([0., 0., 0., 0., 0.])
 >>> ar3
 array([0., 0., 0., 0., 0.])
 >>> ar5=np.zeros((2,3),'int32')# 创建2行3列全0数组
 >>> ar5
 array([[0, 0, 0],
        [0, 0, 0]])

1.7 zeros_like

用法

 zeros_like(a, dtype=None, order='K', subok=True, shape=None)

描述

numpy.zeros_like()根据另一个数组的shape和dtype创建全0的ndarray。

a：必选，输入数据，可以是元组、列表、ndarray等；

dtype：可选，数据类型。

示例

 >>> import numpy as np
 >>> ar1=np.arange(5,10)
 >>> ar1
 array([5, 6, 7, 8, 9])
 >>> ar2=np.zeros_like(ar1)
 >>> ar2
 array([0, 0, 0, 0, 0])
 >>> ar3=np.array([[1,2,3],[4,5,6]])
 >>> ar3
 array([[1, 2, 3],
        [4, 5, 6]])
 # 创建与ar3有相同shape的全0二维数组
 >>> ar5=np.zeros_like(ar3)
 >>> ar5
 array([[0, 0, 0],
        [0, 0, 0]])

1.8 full

用法

 full(shape, fill_value, dtype=None, order='C', *, like=None)

描述

numpy.full()根据shape和dtype使用fill value的全部值创建ndarray数组。

示例

 >>> import numpy as np
 >>> ar1=np.full((2,3),[1,2,3])
 >>> ar1
 array([[1, 2, 3],
        [1, 2, 3]])
 >>> ar2=np.full((2,3),'梯阅线条')
 >>> ar2
 array([['梯阅线条', '梯阅线条', '梯阅线条'],
        ['梯阅线条', '梯阅线条', '梯阅线条']], dtype='<U4')

1.9 full_like

用法

 full_like(a, fill_value, dtype=None, order='K', subok=True, shape=None)

描述

numpy.full_like()根据另一个数组的shape和dtype使用fill value的全部值创建ndarray数组。

示例

 >>> import numpy as np
 >>> ar1=np.arange(6)
 >>> ar1
 array([0, 1, 2, 3, 4, 5])
 >>> ar2=np.full_like(ar1,2)
 >>> ar2
 array([2, 2, 2, 2, 2, 2])
 

1.10eye

用法

 eye(N, M=None, k=0, dtype=<class 'float'>, order='C', *, like=None)

描述

np.ery()生成对角线为1，其余为0的二维数组(即单位矩阵)。

N：二维数组的行数；

M：二维数组的列数，默认等于M；

K：对角线索引，默认0为主对角线，正为右上对角线(右移)，负为左下对角线(下移)。

示例

 >>> import numpy as np
 >>> ar1=np.eye(2,dtype='int32')
 >>> ar1
 array([[1, 0],
        [0, 1]])
 >>> ar2=np.eye(3,5,dtype='int32')
 >>> ar2
 array([[1, 0, 0, 0, 0],
        [0, 1, 0, 0, 0],
        [0, 0, 1, 0, 0]])
 >>> ar3=np.eye(5,dtype='int32')
 # k=0，主对角线
 >>> ar3
 array([[1, 0, 0, 0, 0],
        [0, 1, 0, 0, 0],
        [0, 0, 1, 0, 0],
        [0, 0, 0, 1, 0],
        [0, 0, 0, 0, 1]])
 >>> ar5=np.eye(5,k=1,dtype='int32')
 # k>0，右上角对角线，对角线右移
 >>> ar5
 array([[0, 1, 0, 0, 0],
        [0, 0, 1, 0, 0],
        [0, 0, 0, 1, 0],
        [0, 0, 0, 0, 1],
        [0, 0, 0, 0, 0]])
 >>> ar6=np.eye(5,k=2,dtype='int32')
 >>> ar6
 array([[0, 0, 1, 0, 0],
        [0, 0, 0, 1, 0],
        [0, 0, 0, 0, 1],
        [0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0]])
 >>> ar8=np.eye(5,k=-1,dtype='int32')
 # k>0，左下角对角线，对角线下移
 >>> ar8
 array([[0, 0, 0, 0, 0],
        [1, 0, 0, 0, 0],
        [0, 1, 0, 0, 0],
        [0, 0, 1, 0, 0],
        [0, 0, 0, 1, 0]])
 >>> ar9=np.eye(5,k=-2,dtype='int32')
 >>> ar9
 array([[0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0],
        [1, 0, 0, 0, 0],
        [0, 1, 0, 0, 0],
        [0, 0, 1, 0, 0]])

2 END

本文首发微信公众号：梯阅线条，

更多内容参考python知识分享或软件测试开发目录。