Numpy学习——创建ndarray的方法

1.创建ndarray的方法

|------------------|-------------------------------------------------------------------|
| 方法 | 描述 |
| 基础构造 | np.array |
| 基础构造 | np.copy：深拷贝，复制另一个数组，成为一个新数组，修改后不改变copy的 |
| 预定义形状填充 | np.zeros(shape)：创建shape形状的全为0的数组 |
| 预定义形状填充 | np.ones(shape):创建shape形状全为1的数组 |
| 预定义形状填充 | np.empty(shape)：创建一个未初始化的数组 |
| 预定义形状填充 | np.full(shape,num):创建一个shape形状的元素全为num的数组 |
| 基于数值范围生成 | np.arange(start,end,step)：范围[start,end)，step为间隔的长短 |
| 基于数值范围生成 | np.linspace(start,end,num)：范围[start,end]，num表示将范围分成num-1段，取分段点 |
| 基于数值范围生成 | np.logspace(start,end,num,base):取base^a，a为np.linspace生成的点 |
| 特殊矩阵生成 | np.eye(shape):生成主对角线为1，其余为0的矩阵 |
| 特殊矩阵生成 | np.diag(对边元素)：生成主对角线有数，其余为0的矩阵 |
| 随机数组生成 np.random | np.random.rand(shape)：生成0-1之间的数 |
| 随机数组生成 np.random | np.random.uniform(start,end,shape)：生成start到end之间的随机浮点数 |
| 随机数组生成 np.random | np.random.randint(start,end,shape):生成start-end范围之间的随机整数 |
| 随机数组生成 np.random | np.random.rand(shape)：生成正态分布的随机数，大概率在(-3,3)之间，取到0附近的概率最大 |
| 随机数组生成 np.random | np.random.seed()：随机种子 |

2.示例

1.基础构造

使用np.array先构造一个数组，再使用copy拷贝，这个是深拷贝，copy的数组进行修改后不影响原数组。

python 复制代码

import numpy as np
#####1.基础构造：#######
#array
list1=[1,2,3]
arr=np.array(list1,dtype=np.float64)
print(arr)
print(arr.ndim)
#copy，复制
arr_copy=np.copy(arr)#不是一个数组了
print(arr_copy)
arr_copy[0]=8
print(arr,arr_copy)

2.预定义形状填充

注：预定义填充还有xxx_like这一功能：xxx代表预定义填充函数功能，like表示copy其他数组的形状。

python 复制代码

import numpy as np
######################2.预定义形状填充###############
#zeros，全0数组，默认小数
arr0=np.zeros((2,3))
#创建1维的数组
arr0=np.zeros((3,))
print(arr0)
#ones，全1数组
arr1=np.ones((2,3))
print(arr1)
#empty，未初始化
arr_empty=np.empty((4,3))
print(arr_empty)
#full，填满某个数，输入形状和要填的数
arr_full=np.full((2,3),5)
print(arr_full)
#zeros_like，表示全为0，形状copy别人的，同理，有ones_like，empty_like,full_like
arr_like=np.zeros_like(arr_empty)
print(arr_like)

3.基于数值范围生成

arange其实和linspace功能差不多，arange是取一个数，再走step步，再取数；linspace是通过这个取的范围，先化成num-1段，取这num个端点；logspace是在linspace基础上取base（底数）的端点次方。

python 复制代码

import numpy as np
#####################3.基于数值范围生成#################
#arange(start,end,step)，[start,end)
arr_arange=np.arange(2,11,2)
print(arr_arange)
#linspace(start,end,num)，分成num个点，num-1段
arr_linspace=np.linspace(0,10,6)
print(arr_linspace)
#logspace(start,end,num,base)，分成num个点,base是对数的底
arr_log=np.logspace(1,3,3,base=2)
#输出2，4，8（取3个点：1，2，3，然后求2的n次方）
print(arr_log)

4.特殊矩阵生成

eye是令主对角线元素为1，其余为0；diag就是填充主对角线上的数，其余都为0

python 复制代码

import numpy as np
######################4.特殊矩阵生成##################
#eye(m,n)，主对角线是1，其余为0
arr_eye=np.eye(6,5)
print(arr_eye)
#diag，对角矩阵，括号里面填对边的数值
arr_diag=np.diag([1,2,3,4,5])
print(arr_diag)

5.随机数生成

你会发现，使用随机种子之后，随机的数组不会再改变

python 复制代码

import numpy as np
######################5.随机数值生成##################
#random.rand，生成0到1之间的随机浮点数
arr_01=np.random.rand(2,3)
print(arr_01)
#random.uniform(start,end,(m,n))，生成指定范围区间的随机浮点数
arr_uniform=np.random.uniform(3,6,(2,3))
print(arr_uniform)
#randint，生成指定范围的随机整数
arr_int=np.random.randint(3,10,(2,3))
print(arr_int)
#randn，正态分布，两边小，中间大，大部分是(-3,3)之间的数，取到0附近概率最大
arrn=np.random.randn(2,3)
print(arrn)
#seed：种子
np.random.seed(20)
arr_intseed=np.random.randint(1,10,(2,5))
print(arr_intseed)