使用numpy创建数组

目录

一：使用numpy.array()

二：使用np.zeros()

三：np.full()

四：numpy.ones()

---

在Python的NumPy库中，有几种不同的方法可以创建数组。我们演示下不同方式创建数组的例子

一：使用numpy.array()

np.array 是 NumPy 库中的一个函数，用于创建一个 NumPy 数组对象。NumPy 是 Python 中用于数值计算的一个非常强大的库，而 np.array 是其最基本的功能之一。

numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)

object: 可以是各种数据类型，例如列表、元组、其他数组等，表示要转换成数组的原始数据。
dtype: 定义数组中元素的数据类型。如果不指定，将根据原始数据的类型自动推断。
copy: 布尔值，表示是否对原始数据进行复制。默认为 True。
order: 用于指定内存中数据的布局。'K' 表示按元素的默认存储顺序，通常是行优先。
subok: 布尔值，表示是否返回原始对象的子类。默认为 False。
ndmin: 指定返回的数组的最小维数。例如，如果设置为 2，则一维数组将转换为二维数组，具有一个额外的维度。

创建一维数组:

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

创建二维数组:

a = np.array([[1, 2], [3, 4], [5,6]])
或者

a = np.array([(1, 2), (3, 4), (5,6)])
指定数据类型
a = np.array([(1, 2), (3, 4), (5,6)],dtype=float)

二：使用np.zeros()

np.zeros 是 NumPy 库中的一个函数，用于创建一个填充了 0 的数组。这个函数非常有用，尤其是当你需要初始化一个数组或矩阵时。

numpy.zeros(shape, dtype=float, order='C')
shape: 一个整数或整数的元组，定义了数组的形状。
dtype: 定义了数组的数据类型，可以是预定义的类型代码，如 numpy.int32 或 numpy.float64，也可以是用户自定义的类型。默认为 float。
order: 定义了数组的内存布局，可以是 'C' 或 'F'，分别表示按行优先顺序或按列优先顺序在内存中存储元素。默认为 'C'。
?

创建一维数组:

arr = np.zeros(5)

创建二维数组:

arr = np.zeros((2,5))

三：np.full()

np.full 是 NumPy 库中的一个函数，用于创建一个给定大小和类型的数组，并使用指定的标量值填充该数组。这与 np.zeros 和 np.ones 函数不同，因为 np.full 允许我们在创建数组时为其赋值一个给定的标量值，而不是默认为 0 或 1。

np.full(shape, fill_value, dtype=None, order='C', *, like=None)

shape: 要创建数组的形状，可以是一个整数或一个整数元组。
fill_value: 数组应该填充的标量值。
dtype: 数组应该具有的数据类型，默认为 None，该值将推断出要使用的数据类型。
order: 用于存储数组的内存布局。
like: 将使用其形状创建新数组的对象。

创建一维数组:

a = np.full(3, 5)

创建二维数组:

a = np.full((3, 3), 5)

四：numpy.ones()

numpy.ones() 是 NumPy 库中的一个函数，用于创建一个填充了 1 的数组。

numpy.ones(shape, dtype=None, order='C')

shape: 定义数组形状的整数或整数元组。
dtype: 定义数组元素的数据类型。默认为 None，这意味着数据类型将根据输入自动推断。
order: 定义在内存中存储数组的顺序。默认为 'C'，表示按行优先顺序存储。

创建一维数组：

a = np.ones(5)

创建二维数组：

a = np.ones((5,2))