Numpy教程 创建数组 Array Creation

1. 创建数组array()

使用array()函数通过常规的Python列表或者元组来创建数组。所创建数组的类型通过序列中元素的类型推导而来。

In [1]:

import numpy as np

In [2]:

a = np.array([1, 2, 3])

In [3]:

a

Out[3]:

array([1, 2, 3])

In [4]:

a.dtype

Out[4]:

dtype('int32')

In [5]:

b = np.array((1.2, 2.3, 3.4))

In [6]:

b

Out[6]:

array([1.2, 2.3, 3.4])

In [7]:

b.dtype

Out[7]:

dtype('float64')

In [8]:

c = range(9)

In [9]:

ca = np.array(c)

In [10]:

ca

Out[10]:

array([0, 1, 2, 3, 4, 5, 6, 7, 8])

In [11]:

ca.dtype

Out[11]:

dtype('int32')

2. array()将嵌套序列转为多维数组（多轴数组）

In [12]:

d = np.array([(1,2,3),(4,5,6)])

In [13]:

d

Out[13]:

array([[1, 2, 3],
 [4, 5, 6]])

In [14]:

e = np.array([(1,2.6,3),(4,5,6)])

In [15]:

e

Out[15]:

array([[1. , 2.6, 3. ],
 [4. , 5. , 6. ]])

In [16]:

f = np.array([(1,2,3),(4,5,6)], dtype =complex) # 在创建数组的时候指定数据类型

In [17]:

f

Out[17]:

array([[1.+0.j, 2.+0.j, 3.+0.j],
 [4.+0.j, 5.+0.j, 6.+0.j]])

3. 创建占位符数组

很多情况下，数组中的元素我们是不知道的，但数组的尺寸我们是知道的。Numpy提供了一些创建具有初始占位符内容的函数。这样就最小化了数组增长的必要性，非常昂贵的操作。

3.1 zeros() 创建全是0的数组

In [18]:

np.zeros((3,4))

Out[18]:

array([[0., 0., 0., 0.],
 [0., 0., 0., 0.],
 [0., 0., 0., 0.]])

3.2 ones() 创建全是1的数组

In [19]:

np.ones((2,3,4), dtype = np.int32)

Out[19]:

array([[[1, 1, 1, 1],
 [1, 1, 1, 1],
 [1, 1, 1, 1]],
 [[1, 1, 1, 1],
 [1, 1, 1, 1],
 [1, 1, 1, 1]]])

3.3 empty()根据内存的状态创建随机数组，默认的数组类型是float64

In [20]:

g = np.empty((3,4))
g

Out[20]:

array([[1.30833947e-293, 0.00000000e+000, 8.76794447e+252,
 2.15895723e+227],
 [6.48224638e+170, 3.67145870e+228, 1.17942164e-095,
 9.03292329e+271],
 [9.08366793e+223, 1.41075687e+232, 1.16070543e-028,
 3.19125812e-241]])

In [21]:

g.dtype

Out[21]:

dtype('float64')

4. arange()创建数字序列，返回数组

In [22]:

np.arange(1,9)

Out[22]:

array([1, 2, 3, 4, 5, 6, 7, 8])

In [23]:

np.arange(1,9,2)

Out[23]:

array([1, 3, 5, 7])

In [24]:

np.arange(1,2,0.3)

Out[24]:

array([1. , 1.3, 1.6, 1.9])

5. linspace()创建期望数量的元素数组

In [25]:

np.linspace(1,9,6)

Out[25]:

array([1. , 2.6, 4.2, 5.8, 7.4, 9. ])