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。

NO

函数

描述

1

array

将输入数据转为ndarray

2

asarray

将输入数据转为ndarray，如果输入本身是ndarray则不进行复制。

3

arange

类似内置range，返回ndarray

4

ones

根据shape和dtype创建全1的ndarray。

5

ones_like

根据另一个数组的shape和dtype创建全1的ndarray。

6

zeros

根据shape和dtype创建全0的ndarray。

7

zeros_like

根据另一个数组的shape和dtype创建全0的ndarray。

8

full

根据shape和dtype使用fill value的全部值创建ndarray。

9

full_like

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

10

eye

创建一个正方的N*N矩阵，对角线为1，其余为0.

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])

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

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])

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]]) 

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)>>> ar1array([5, 6, 7, 8, 9])>>> ar2=np.ones_like(ar1)>>> ar2array([1, 1, 1, 1, 1])>>> ar3=np.array([[1,2,3],[4,5,6]])>>> ar3array([[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)>>> ar5array([[1, 1, 1],       [1, 1, 1]])

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>>> ar1array([0., 0., 0., 0., 0.])>>> ar2array([0., 0., 0., 0., 0.])>>> ar3array([0., 0., 0., 0., 0.])>>> ar5=np.zeros((2,3),'int32')# 创建2行3列全0数组>>> ar5array([[0, 0, 0],       [0, 0, 0]])

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)>>> ar1array([5, 6, 7, 8, 9])>>> ar2=np.zeros_like(ar1)>>> ar2array([0, 0, 0, 0, 0])>>> ar3=np.array([[1,2,3],[4,5,6]])>>> ar3array([[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)>>> ar5array([[0, 0, 0],       [0, 0, 0]])

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])>>> ar1array([[1, 2, 3],       [1, 2, 3]])>>> ar2=np.full((2,3),'梯阅线条')>>> ar2array([['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')

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)>>> ar1array([0, 1, 2, 3, 4, 5])>>> ar2=np.full_like(ar1,2)>>> ar2array([2, 2, 2, 2, 2, 2])

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')>>> ar1array([[1, 0],       [0, 1]])>>> ar2=np.eye(3,5,dtype='int32')>>> ar2array([[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>>> ar3array([[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>>> ar5array([[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')>>> ar6array([[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>>> ar8array([[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')>>> ar9array([[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。