Python?NumPy教程之?dāng)?shù)組的創(chuàng)建詳解
使用 List 創(chuàng)建數(shù)組
數(shù)組用于在一個(gè)變量中存儲(chǔ)多個(gè)值。Python 沒(méi)有對(duì)數(shù)組的內(nèi)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"]
# 用于創(chuàng)建數(shù)組的 Python 程序
# 使用列表創(chuàng)建數(shù)組
arr=[1, 2, 3, 4, 5]
for i in arr:
print(i)
輸出:
1
2
3
4
5
使用數(shù)組函數(shù)創(chuàng)建數(shù)組
array(data type, value list) 函數(shù)用于創(chuàng)建一個(gè)數(shù)組,其參數(shù)中指定了數(shù)據(jù)類型和值列表。
例子 :
# 演示 array() 工作的 Python 代碼
# 為數(shù)組操作導(dǎo)入“array”
import array
# 用數(shù)組值初始化數(shù)組
# 用有符號(hào)整數(shù)初始化數(shù)組
arr = array.array('i', [1, 2, 3])
# 打印原始數(shù)組
print ("The new created array is : ",end="")
for i in range (0,3):
print (arr[i], end=" ")
print ("\r")
輸出:
The new created array is : 1 2 3 1 5
使用 numpy 方法創(chuàng)建數(shù)組
NumPy 提供了幾個(gè)函數(shù)來(lái)創(chuàng)建具有初始占位符內(nèi)容的數(shù)組。這些最大限度地減少了增長(zhǎng)陣列的必要性,這是一項(xiàng)昂貴的操作。例如:np.zeros、np.empty等。
numpy.empty(shape, dtype = float, order = 'C'): 返回給定形狀和類型的新數(shù)組,具有隨機(jī)值。
# 說(shuō)明 numpy.empty 方法的 Python 代碼
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)
輸出 :
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'): 返回給定形狀和類型的新數(shù)組,帶零。
# 說(shuō)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)
輸出 :
Matrix b :
[0 0]
Matrix a :
[[0 0]
[0 0]]
Matrix c :
[[ 0. 0. 0.]
[ 0. 0. 0.]
[ 0. 0. 0.]]
重塑數(shù)組
我們可以使用reshape方法來(lái)重塑數(shù)組??紤]一個(gè)形狀為 (a1, a2, a3, ..., aN) 的數(shù)組。我們可以重新整形并將其轉(zhuǎn)換為另一個(gè)形狀為 (b1, b2, b3, ..., bM) 的數(shù)組。
唯一需要的條件是: a1 x a2 x a3 … x aN = b1 x b2 x b3 … x bM 。(即數(shù)組的原始大小保持不變。)
numpy.reshape(array, shape, order = 'C'): 在不更改數(shù)組數(shù)據(jù)的情況下對(duì)數(shù)組進(jìn)行整形。
# 說(shuō)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 列的形狀數(shù)組
array = geek.arange(8).reshape(2, 4)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
# 具有 2 行和 4 列的形狀數(shù)組
array = geek.arange(8).reshape(4 ,2)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
# 構(gòu)造 3D 數(shù)組
array = geek.arange(8).reshape(2, 2, 2)
print("\nOriginal array reshaped to 3D : \n", array)
輸出 :
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]]]
為了創(chuàng)建數(shù)字序列,NumPy 提供了一個(gè)類似于 range 的函數(shù),它返回?cái)?shù)組而不是列表。
arange返回給定間隔內(nèi)均勻分布的值。步長(zhǎng)是指定的。
linspace 返回給定間隔內(nèi)均勻分布的值。編號(hào)_ 的元素被返回。
arange([start,] stop[, step,][, dtype]): 根據(jù)間隔返回一個(gè)具有均勻間隔元素的數(shù)組。提到的間隔是半開(kāi)的,即[開(kāi)始,停止)
# 說(shuō)明 numpy.arange 方法的 Python 編程
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")
輸出 :
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): 在間隔中均勻返回?cái)?shù)字空間。類似于 arange 但不是 step 它使用樣本編號(hào)。
# 說(shuō)明 numpy.linspace 方法的 Python 編程
import numpy as geek
# 重新設(shè)置為 True
print("B\n", geek.linspace(2.0, 3.0, num=5, retstep=True), "\n")
# 長(zhǎng)期評(píng)估 sin()
x = geek.linspace(0, 2, 10)
print("A\n", geek.sin(x))
輸出 :
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]
展平數(shù)組
我們可以使用展平方法將數(shù)組的副本折疊成一維。它接受 order 參數(shù)。默認(rèn)值為“C”(用于行優(yōu)先順序)。使用“F”表示列主要順序。
numpy.ndarray.flatten(order = 'C') :返回折疊成一維的數(shù)組的副本。
# 說(shuō)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)
輸出 :
[1, 2, 3, 4]
[1, 3, 2, 4]
在 Numpy 中創(chuàng)建數(shù)組的方法
| 功能 | 描述 |
|---|---|
| empty() | 返回給定形狀和類型的新數(shù)組,而不初始化條目 |
| empty_like() | 返回與給定數(shù)組具有相同形狀和類型的新數(shù)組 |
| eye() | 返回一個(gè)二維數(shù)組,其中對(duì)角線為 1,其他位置為 0。 |
| identity() | 返回標(biāo)識(shí)數(shù)組 |
| ones() | 返回一個(gè)給定形狀和類型的新數(shù)組,用一個(gè)填充 |
| one_like() | 返回與給定數(shù)組具有相同形狀和類型的數(shù)組 |
| zeros() | 返回給定形狀和類型的新數(shù)組,用零填充 |
| zeros_like() | 返回與給定數(shù)組具有相同形狀和類型的零數(shù)組 |
| full_like() | 返回與給定數(shù)組具有相同形狀和類型的完整數(shù)組。 |
| array() | 創(chuàng)建一個(gè)數(shù)組 |
| asarray() | 將輸入轉(zhuǎn)換為數(shù)組 |
| asanyarray() | 將輸入轉(zhuǎn)換為 ndarray,但通過(guò) ndarray 子類 |
| ascontiguousarray() | 返回內(nèi)存中的連續(xù)數(shù)組(C 順序) |
| asmatrix() | 將輸入解釋為矩陣 |
| copy() | 返回給定對(duì)象的數(shù)組副本 |
| frombuffer() | 將緩沖區(qū)解釋為一維數(shù)組 |
| fromfile() | 從文本或二進(jìn)制文件中的數(shù)據(jù)構(gòu)造數(shù)組 |
| fromfunction() | 通過(guò)在每個(gè)坐標(biāo)上執(zhí)行函數(shù)來(lái)構(gòu)造數(shù)組 |
| fromiter() | 從可迭代對(duì)象創(chuàng)建一個(gè)新的一維數(shù)組 |
| fromstring() | 從字符串中的文本數(shù)據(jù)初始化的新一維數(shù)組 |
| loadtxt() | 從文本文件加載數(shù)據(jù) |
| arange() | 在給定間隔內(nèi)返回均勻間隔的值 |
| linspace() | 在指定的時(shí)間間隔內(nèi)返回均勻分布的數(shù)字 |
| logspace() | 返回在對(duì)數(shù)刻度上均勻分布的數(shù)字 |
| geomspace() | 返回在對(duì)數(shù)尺度上均勻分布的數(shù)字(幾何級(jí)數(shù)) |
| meshgrid() | 從坐標(biāo)向量返回坐標(biāo)矩陣 |
| mgrid() | nd_grid 實(shí)例,它返回一個(gè)密集的多維“網(wǎng)格” |
| ogrid() | nd_grid 實(shí)例,它返回一個(gè)開(kāi)放的多維“meshgrid” |
| diag() | 提取對(duì)角線或構(gòu)造對(duì)角線數(shù)組 |
| diagflat() | 創(chuàng)建一個(gè)二維數(shù)組,將扁平化輸入作為對(duì)角線 |
| tri() | 一個(gè)數(shù)組,在給定的對(duì)角線處和下方都有一個(gè),在其他地方有零 |
| tril() | 數(shù)組的下三角形 |
| triu() | 數(shù)組的上三角形 |
| vander() | 生成范德蒙德矩陣 |
| mat() | 將輸入解釋為矩陣 |
| bmat() | 從字符串、嵌套序列或數(shù)組構(gòu)建矩陣對(duì)象 |
到此這篇關(guān)于Python NumPy教程之?dāng)?shù)組的創(chuàng)建詳解的文章就介紹到這了,更多相關(guān)Python NumPy數(shù)組創(chuàng)建內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python嵌套函數(shù)使用外部函數(shù)變量的方法(Python2和Python3)
這篇文章主要介紹了python嵌套函數(shù)使用外部函數(shù)變量的方法,需要的朋友可以參考下2016-01-01
django 多對(duì)多表的創(chuàng)建和插入代碼實(shí)現(xiàn)
這篇文章主要介紹了django-多對(duì)多表的創(chuàng)建和插入代碼實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-09-09
Python中的Numpy?面向數(shù)組編程常見(jiàn)操作
這篇文章主要介紹了Python中的Numpy?面向數(shù)組編程常見(jiàn)操作,使用Numpy數(shù)組可以使你利用簡(jiǎn)單的數(shù)組表達(dá)式完成多項(xiàng)數(shù)據(jù)操作任務(wù),而不需要編寫(xiě)大量的循環(huán),這個(gè)極大的幫助了我們高效的解決問(wèn)題2022-07-07
Python如何運(yùn)用pyaudio庫(kù)去做一個(gè)固定采樣率音頻錄制器
這篇文章主要介紹了Python如何運(yùn)用pyaudio庫(kù)去做一個(gè)固定采樣率音頻錄制器問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-05-05
用ReactJS和Python的Flask框架編寫(xiě)留言板的代碼示例
這篇文章主要介紹了用ReactJS和Python的Flask框架編寫(xiě)留言板的代碼示例,其他的話用到了MongoDB這個(gè)方便使用JavaScript來(lái)操作的數(shù)據(jù)庫(kù),需要的朋友可以參考下2015-12-12
Pandas數(shù)據(jù)填充的具體實(shí)現(xiàn)
在數(shù)據(jù)分析與預(yù)處理過(guò)程中,臟數(shù)據(jù)幾乎不可避免,本文主要介紹了Pandas數(shù)據(jù)填充的具體實(shí)現(xiàn),也稱為缺失值處理,使數(shù)據(jù)清洗工作更加高效,感興趣的可以了解一下2024-07-07
Python中venv虛擬環(huán)境超詳細(xì)講解
虛擬環(huán)境是一個(gè)獨(dú)立的Python環(huán)境,它與系統(tǒng)的全局Python環(huán)境隔離,這篇文章主要介紹了Python中venv虛擬環(huán)境的相關(guān)資料,文中通過(guò)代碼介紹的非常詳細(xì),需要的朋友可以參考下2025-04-04
Python使用Paramiko實(shí)現(xiàn)輕松判斷文件類型
Paramiko是一個(gè)用于SSHv2協(xié)議的Python實(shí)現(xiàn),提供了客戶端和服務(wù)器功能,下面我們就來(lái)看看如何使用Paramiko判斷文件類型,并提取文件的上級(jí)目錄吧2025-03-03
python中__init__方法知識(shí)點(diǎn)詳解
Python中常會(huì)看到在很多類中都有一個(gè)__init__函數(shù),該函數(shù)有什么作用,又該如何使用呢,下面這篇文章主要給大家介紹了關(guān)于python中__init__知識(shí)點(diǎn)的相關(guān)資料,需要的朋友可以參考下2023-04-04
tensorflow實(shí)現(xiàn)打印ckpt模型保存下的變量名稱及變量值
今天小編就為大家分享一篇tensorflow實(shí)現(xiàn)打印ckpt模型保存下的變量名稱及變量值,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01

