Python NumPy教程之数组的创建详解

使用 List 创建数组

数组用于在一个变量中存储多个值。Python 没有对数组的内置支持，但可以使用 Python 列表代替。

例子 ：

arr = [1, 2, 3, 4, 5]
arr1 = ["geeks", "for", "geeks"]

# 用于创建数组的 Python 程序
 
# 使用列表创建数组
    arr=[1, 2, 3, 4, 5]
    for i in arr:
        print(i)

输出：

1 
2 
3 
4 
5

使用数组函数创建数组

array(data type, value list) 函数用于创建一个数组，其参数中指定了数据类型和值列表。

例子 ：

# 演示 array() 工作的 Python 代码
  
# 为数组操作导入“array”
import array
  
# 用数组值初始化数组
# 用有符号整数初始化数组
arr = array.array('i', [1, 2, 3]) 
 
# 打印原始数组
print ("The new created array is : ",end="")
for i in range (0,3):
    print (arr[i], end=" ")
 
print ("\r")

输出：

The new created array is : 1 2 3 1 5

使用 numpy 方法创建数组

NumPy 提供了几个函数来创建具有初始占位符内容的数组。这些最大限度地减少了增长阵列的必要性，这是一项昂贵的操作。例如：np.zeros、np.empty等。

numpy.empty(shape, dtype = float, order = 'C')： 返回给定形状和类型的新数组，具有随机值。

# 说明 numpy.empty 方法的 Python 代码
 
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)

输出 ：

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')： 返回给定形状和类型的新数组，带零。

# 说明 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)

输出 ：

Matrix b : 
 [0 0]

Matrix a : 
 [[0 0]
 [0 0]]

Matrix c : 
 [[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]

重塑数组

我们可以使用reshape方法来重塑数组。考虑一个形状为 (a1, a2, a3, ..., aN) 的数组。我们可以重新整形并将其转换为另一个形状为 (b1, b2, b3, ..., bM) 的数组。

唯一需要的条件是： a1 x a2 x a3 … x aN = b1 x b2 x b3 … x bM 。（即数组的原始大小保持不变。）

numpy.reshape(array, shape, order = 'C')： 在不更改数组数据的情况下对数组进行整形。

# 说明 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 列的形状数组
array = geek.arange(8).reshape(2, 4)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
 
# 具有 2 行和 4 列的形状数组
array = geek.arange(8).reshape(4 ,2)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
 
# 构造 3D 数组
array = geek.arange(8).reshape(2, 2, 2)
print("\nOriginal array reshaped to 3D : \n", array)

输出 ：

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]]]

为了创建数字序列，NumPy 提供了一个类似于 range 的函数，它返回数组而不是列表。

arange返回给定间隔内均匀分布的值。步长是指定的。

linspace 返回给定间隔内均匀分布的值。编号_ 的元素被返回。

arange([start,] stop[, step,][, dtype])： 根据间隔返回一个具有均匀间隔元素的数组。提到的间隔是半开的，即[开始，停止）

# 说明 numpy.arange 方法的 Python 编程
 
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")

输出 ：

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)： 在间隔中均匀返回数字空间。类似于 arange 但不是 step 它使用样本编号。

# 说明 numpy.linspace 方法的 Python 编程
 
import numpy as geek
 
# 重新设置为 True
print("B\n", geek.linspace(2.0, 3.0, num=5, retstep=True), "\n")
 
# 长期评估 sin()
x = geek.linspace(0, 2, 10)
print("A\n", geek.sin(x))

输出 ：

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]

展平数组

我们可以使用展平方法将数组的副本折叠成一维。它接受 order 参数。默认值为“C”（用于行优先顺序）。使用“F”表示列主要顺序。

numpy.ndarray.flatten(order = 'C') ：返回折叠成一维的数组的副本。

# 说明 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)

输出 ：

[1, 2, 3, 4] 
[1, 3, 2, 4]

在 Numpy 中创建数组的方法

到此这篇关于Python NumPy教程之数组的创建详解的文章就介绍到这了,更多相关Python NumPy数组创建内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！