Python中建立ndarrary的20中方法

阿新 • • 發佈：2019-01-24

本文完整示例：完整示例程式碼
本文介紹了基礎的、常用的建立ndarrary的多種方法，附帶示例程式碼。

一、通過ndarray建立

import numpy as np

1.1 一維陣列

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

array([1, 2, 3])

1.2 二維陣列

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

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

1.3 三維陣列

arr1 = np.array([
    [
        [1 
, 2, 32, 23],
        [23, 3, 23, 3]
    ],
    [
        [1, 2, 3, 4],
        [23, 3, 4, 32]
    ]
])
print(arr1)
print(type(arr1))
arr1

[[[ 1  2 32 23]
  [23  3 23  3]]

 [[ 1  2  3  4]
  [23  3  4 32]]]
<class 'numpy.ndarray'>





array([[[ 1,  2, 32, 23],
        [23,  3, 23,  3]],

       [[ 1,  2,  3,  4],
        [23,  3,  4, 32]]])

二、建立ndarrary的常見函式

2. zeros()函式，指定一個維度元組（形狀引數），返回全0的ndarrary

arr2 = np.zeros((2, 4))
arr2

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

3. ones()函式，指定一個維度元組（形狀引數），返回全1的ndarrary

arr3 = np.ones((4, 4))
arr3

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

4. empty()函式，指定一個維度元組（形狀引數），返回一個值（垃圾值）為被初始化的ndarrary

arr4 = np.empty((2, 2))
arr4

array([[  7.89119642e-312,   4.22795269e-307],
       [  9.34608432e-307,   1.11258854e-306]])

三、其他建立ndarrary的方式

5. numpy.arange([start ], stop[, step ], dtype=None)函式，左開右閉

arr5 = np.arange(1, 10, 1)
arr5

array([1, 2, 3, 4, 5, 6, 7, 8, 9])

6. numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)函式，產生一個等差數列，左閉右閉

arr6 = np.linspace(0, 4, 5)
arr6

array([ 0.,  1.,  2.,  3.,  4.])

7. numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)函式，底數預設為10

arr7 = np.logspace(0, 4, 5, base=2)
arr7

array([  1.,   2.,   4.,   8.,  16.])

8. numpy.eye(N, M=None, k=0, dtype=

arr8 = np.eye(4, 3)
arr8

array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.],
       [ 0.,  0.,  0.]])

9. numpy.zeros_like(a, dtype=None, order=’K’, subok=True)函式，返回一個與a的形狀引數一樣的元素全部為0的陣列

Return an array of zeros with the same shape and type as a given array.
引數subok,是否繼承a的資料型別；
引數order，指定返回的結果在記憶體中的儲存佈局，預設是’K’，表示儘可能與a相同。

# 返回一個與arr8形狀應的全0陣列
arr9 = np.zeros_like(arr8)
arr9

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

10. numpy.ones_like(a, dtype=None, order=’K’, subok=True)函式，

返回一個與a的形狀引數一樣且元素全為0的陣列

# 返回一個與ar9形狀應的全0陣列
arr10 = np.ones_like(arr9)
arr10

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

11. numpy.empty_like(a, dtype=None, order=’K’, subok=True)函式，返回一個與a形狀相同且全部值為垃圾值（隨機值）的陣列

Return a new array with the same shape and type as a given array.

arr11 = np.empty_like(np.ones((5,4)))
arr11

array([[  7.89102294e-312,   6.27463370e-322,   0.00000000e+000,
          0.00000000e+000],
       [  8.45593933e-307,   5.30276956e+180,   7.70748458e-043,
          4.57487963e-071],
       [  3.45618033e-086,   3.35860426e-143,   6.01433264e+175,
          6.93885958e+218],
       [  5.56218858e+180,   3.94356143e+180,   4.75084178e-037,
          1.24689504e-047],
       [  3.85156077e-057,   2.06073242e+184,   4.71530148e-143,
          1.50008929e+248]])

12. numpy.copy(a, order=’K’)函式，返回與a一樣的陣列

Return an array copy of the given object.

# 屬於深拷貝，修改複製陣列，對原陣列沒有影響
arr12 = np.copy(arr11)
arr12[0, 0] = 1
arr12

array([[  1.00000000e+000,   6.27463370e-322,   0.00000000e+000,
          0.00000000e+000],
       [  8.45593933e-307,   5.30276956e+180,   7.70748458e-043,
          4.57487963e-071],
       [  3.45618033e-086,   3.35860426e-143,   6.01433264e+175,
          6.93885958e+218],
       [  5.56218858e+180,   3.94356143e+180,   4.75084178e-037,
          1.24689504e-047],
       [  3.85156077e-057,   2.06073242e+184,   4.71530148e-143,
          1.50008929e+248]])

13. numpy.identity(n, dtype=None)函式，返回一個n階單位方陣

Return the identity array.

arr13 = np.identity(4)
arr13

array([[ 1.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.],
       [ 0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  1.]])

14. numpy.fromfunction(function, shape, **kwargs)返回一個數組，元素的值由函式計算，形狀由shape元組限制

注意：引數shape是一個元組，shape元組中的元素個數需要與函式中的引數個數一致，分別表示不同緯度。

arr20 = np.fromfunction(lambda x, y: x+y, shape=(3, 3))
print(arr20)
arr21 = np.fromfunction(lambda x, y, z: x+y+z, shape=(3, 3, 3))
arr21

[[ 0.  1.  2.]
 [ 1.  2.  3.]
 [ 2.  3.  4.]]





array([[[ 0.,  1.,  2.],
        [ 1.,  2.,  3.],
        [ 2.,  3.,  4.]],

       [[ 1.,  2.,  3.],
        [ 2.,  3.,  4.],
        [ 3.,  4.,  5.]],

       [[ 2.,  3.,  4.],
        [ 3.,  4.,  5.],
        [ 4.,  5.,  6.]]])

15. numpy.mgrid函式

arr14 = np.mgrid[-1:3:2]    # 表示從-1開始，步長為1，取2個數字
print(arr14)
arr15 = np.mgrid[-1:3:2j]  # 當加'j'時，表示左閉右閉，且取到2個數字
print(arr15)
arr16 = np.mgrid[-1:3]    # 當指定兩個引數時，功能與numpy.arange()函式一樣
print(arr16)
arr18 = np.mgrid[0:5, 0:5] # 分別在兩個維度上做填充
print(arr18)

[-1  1]
[-1.  3.]
[-1  0  1  2]
[[[0 0 0 0 0]
  [1 1 1 1 1]
  [2 2 2 2 2]
  [3 3 3 3 3]
  [4 4 4 4 4]]

 [[0 1 2 3 4]
  [0 1 2 3 4]
  [0 1 2 3 4]
  [0 1 2 3 4]
  [0 1 2 3 4]]]

16. numpy.ogrid函式

arr19 = np.ogrid[1:2]
print(arr19)
arr20 = np.ogrid[0:5, 0:5]
print(arr20)

[1]
[array([[0],
       [1],
       [2],
       [3],
       [4]]), array([[0, 1, 2, 3, 4]])]

17. numpy.fromstring(string, dtype=float, count=-1, sep=’‘)函式，從字串建立一個一維ndarrary

arr21 = np.fromstring('1 2 3 4', sep=' ')
arr21

array([ 1.,  2.,  3.,  4.])

18. numpy.fromiter(iterable, dtype, count=-1)函式，返回一個一維陣列

# 需要指定資料型別dtype
iterable = (i*i for i in range(4))
arr22 = np.fromiter(iterable,dtype=float)
arr22

array([ 0.,  1.,  4.,  9.])

四、其他方法

19. numpy.fromfile(file, dtype=float, count=-1, sep=’‘)函式，從文字檔案或二進位制檔案中建立ndarrary

20. `numpy.loadtxt(fname, dtype=<type ‘float’>, comments=’#’, delimiter=None, converters=None,skiprows=0, usecols=None, unpack=False, ndmin=0)`從檔案中建立。

總結

能力有限，歡迎指錯交流；

歡迎關注個人微信公眾號WaltSmithML或新浪微博WaltSmith，公眾號提供機器學習、深度學習、Hadoop、Spark、Python、數學知識等免費視訊教程。本人主要方向為機器學習和深度學習。非常歡迎一起交流學習哈，除了學習，還可免費幫忙download論文或者書籍哈==============
♥♥♥微信公眾號♥♥♥ 微信公眾號WaltSmithML二維碼 ♥♥♥♥ 新浪微博WaltSmith二維碼 ♥♥新浪微博♥♥