一、Numpy基礎：數組創建

Numpy是Python的一個科學計算的庫，提供了矩陣運算的功能，其一般與Scipy、matplotlib一起使用。其實，list已經提供了類似於矩陣的表示形式，不過numpy為我們提供了更多的函數。如果接觸過matlab、scilab，那么numpy很好入手。

一、模塊引用

import numpy as np

二、數組的創建

這里先看一下多維度數組的格式，下例是一個三維數組，以樓房的方式理解最直觀。

[#數組一層
    [1, 3, 4, 6],#一層1單元
    [2, 5, 6, 7]#一層2單元
],
[#數組二層
    [1, 3, 4, 6],#二層1單元
    [2, 5, 6, 7]#二層2單元
]

注意，數組元素必須放入[]或()之間

2.1普通創建

一維數組創建

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

多維數組創建

c=np.array([
    [
        [
            [1,2],[3,4]#3維層(內部元素為思維)
        ],#2維層
        [
            [5,6],[7,8]
        ]
    ],#1維層
    [
        [
            [9,10],[11,12]
        ],
        [
            [13,14],[15,16]#3維層(內部元素為思維)
        ]#2維層
    ]#1維層
])
print(c)
>>>
[[[[ 1  2]
   [ 3  4]]
  [[ 5  6]
   [ 7  8]]]
 [[[ 9 10]
   [11 12]]
  [[13 14]
   [15 16]]]]​

2.1.1內置方法創建(arange創建)

arange的使用方法與python內置方法range相同，這里不再贅述，看程序

import numpy as np
a=np.arange(20)
b=np.arange(10,20)
c=np.arange(10,20,2)
d=np.arange(20,10,-1)
print("普通玩法：",a)
print("帶起始點的玩法：",b)
print("帶步長的玩法：",c)
print("倒着玩：",d)
>>>
普通玩法： [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]
帶起始點的玩法： [10 11 12 13 14 15 16 17 18 19]
帶步長的玩法： [10 12 14 16 18]
倒着玩： [20 19 18 17 16 15 14 13 12 11]

2.1.2內置方法創建(random創建)

與random模塊不同，這個random是numpy內置的方法，用法上是相同的，同樣看程序

import numpy as np
a=np.random.random((2,2))#0~1的隨機數
b=np.random.randn(2,2)#符合正態分布的隨機數
c=np.random.randint(2,10,(2,2))#從2~10的隨機整數
print("0~1的隨機數：",a)
print("正態分布的隨機數：",b)
print("從2~10的隨機整數：",c)
>>>
0~1的隨機數： [[0.93614432 0.56444734]
 [0.29267612 0.38625066]]
正態分布的隨機數： [[-1.26606533  0.68466118]
 [ 0.34377799  0.1318619 ]]
從2~10的隨機整數： [[4 8]
 [9 6]]

numpy.random下所有創建方式如下表所示：

 

方法名稱	解析
rand(d0, d1, ..., dn)	隨機值。
randn(d0, d1, ..., dn)	返回一個樣本，具有標准正態分布。
randint(low[, high, size])	返回隨機的整數，位於半開區間 [low, high)。
random_integers(low[, high, size])	返回隨機的整數，位於閉區間 [low, high]。
random_sample([size])	返回隨機的浮點數，在半開區間 [0.0, 1.0)。
choice(a[, size, replace, p])	生成一個隨機樣本，從一個給定的一維數組。

 

 

 

 

 

 

 

 

 

2.1.3內置方法創建(等差等比創建)

np.linspace (起始值,終止值,元素總數)：創建一維等差數組。
np.logspace(起始值,終止值,元素總數)：創建一維等比數組。

import numpy as np
a=np.linspace(0,10,5)
b=np.logspace(0,2,5)
print("等差數組：",a)
print("等比數組：",b)
>>>
等差數組： [ 0.   2.5  5.   7.5 10. ]
等比數組： [  1.           3.16227766  10.          31.6227766  100.        ]

2.1.4內置方法創建(特殊構造)

np.zeros(shape, dtype=float, order='C'):創建一個全0數組，shape要以元組格式傳入。
np.ones(shape, dtype=None, order='C')：創建一個全1數組，shape要以元組格式傳入。
np.empty(shape, dtype=None, order='C')：創建一個擁有趨近0值的數組，shape要以元組格式傳入。
np.eye(N, M=None, k=0, dtype=float, order='C')：創建一個對角矩陣，N代表行，M代表列。其中有個參數k默認值為0，它代表偏移量，正1時向主對角線右上偏移1位，負1時向主對角線左下偏移1位。
np.full(shape, fill_value, dtype=None, order='C')：創建一個以fill_value進行填充的數組，fill_value為想要填充的值

 

import numpy as np
a=np.zeros((2,2))
b=np.ones((2,2))
c=np.empty((2,2))
d=np.eye(2, 2, 0)
e=np.full((2,2), 17)
print("全0數組：",a)
print("全1數組：",b)
print("趨近0數組：",c)
print("對角矩陣：",d)
print("全17數組：",e)
>>>
全0數組： [[0. 0.]
 [0. 0.]]
全1數組： [[1. 1.]
 [1. 1.]]
趨近0數組： [[9.90263869e+067 8.01304531e+262]
 [2.60799828e-310 0.00000000e+000]]
對角矩陣： [[1. 0.]
 [0. 1.]]
全17數組： [[17 17]
 [17 17]]