numpy基础之创建数组的函数
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])
1.2 asarray
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
1.3 arange
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])
1.4 ones
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]])
1.5 ones_like
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)
>>> ar1
array([5, 6, 7, 8, 9])
>>> ar2=np.ones_like(ar1)
>>> ar2
array([1, 1, 1, 1, 1])
>>> ar3=np.array([[1,2,3],[4,5,6]])
>>> ar3
array([[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)
>>> ar5
array([[1, 1, 1],
[1, 1, 1]])
1.6 zeros
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
>>> ar1
array([0., 0., 0., 0., 0.])
>>> ar2
array([0., 0., 0., 0., 0.])
>>> ar3
array([0., 0., 0., 0., 0.])
>>> ar5=np.zeros((2,3),'int32')# 创建2行3列全0数组
>>> ar5
array([[0, 0, 0],
[0, 0, 0]])
1.7 zeros_like
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)
>>> ar1
array([5, 6, 7, 8, 9])
>>> ar2=np.zeros_like(ar1)
>>> ar2
array([0, 0, 0, 0, 0])
>>> ar3=np.array([[1,2,3],[4,5,6]])
>>> ar3
array([[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)
>>> ar5
array([[0, 0, 0],
[0, 0, 0]])
1.8 full
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])
>>> ar1
array([[1, 2, 3],
[1, 2, 3]])
>>> ar2=np.full((2,3),'梯阅线条')
>>> ar2
array([['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=')
1.9 full_like
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)
>>> ar1
array([0, 1, 2, 3, 4, 5])
>>> ar2=np.full_like(ar1,2)
>>> ar2
array([2, 2, 2, 2, 2, 2])
1.10eye
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')
>>> ar1
array([[1, 0],
[0, 1]])
>>> ar2=np.eye(3,5,dtype='int32')
>>> ar2
array([[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
>>> ar3
array([[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
>>> ar5
array([[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')
>>> ar6
array([[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
>>> ar8
array([[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')
>>> ar9
array([[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]])