4、numpy——创建数组

1、普通创建——np.array()

创建数组最简单的方法就是使用array函数。它接收一切序列型的对象（包括其他数组），然后产生一个新的含有传入数据的Numpy数组。

import numpy as np
a1 = np.array([1, 2, 3])
print(a1)
a2 = np.array([[1, 2, 3], [2, 3, 4]], dtype=np.float)
print(a2, a2.dtype, a2.shape)

 运行结果：

import numpy as np
a1 = np.array([1, 2, 3])
print(a1)
a2 = np.array([[1, 2, 3], [2, 3, 4]], dtype=np.float)
print(a2, a2.dtype, a2.shape)

2、内置方法——np.asarray()  np.fromiter()

• numpy.asarray # 类似于numpy.array
• numpy.fromiter # 此函数从任何可迭代对象构建一个ndarray对象，返回一个新的一维数组。

2.1 numpy.asarray

语法：

numpy.asarray(a, dtype = None, order = None)

参数：

参数	描述
a	任意形式的输入参数，比如列表、列表的元组、元组、元组的元组、元组的列表
dtype	输入出的数组类型，可选
order	‘C’为按行的 C 风格数组，’F’为按列的 Fortran 风格数组

x = [1, 2, 3]  # x是python的列表类型 不是数组
a1 = np.asarray(x)
print(a1)  # [1  2  3]
y = (4, 5, 6)  # y是python的元组类型
a2 = np.asarray(y, dtype=float, order='F')
print(a2)  # [4. 5. 6.]

2.2 numpy.formiter

语法：

numpy.fromiter(iterable, dtype, count = -1)

参数：

参数	描述
iterable	任何可迭代对象
dtype	返回数组的数据类型
count	需要读取的数据数量，默认为-1，读取所有数据

例子：

import numpy as np
x = range(5)
a = np.fromiter(x, float, 5)
print(a)

结果：

[0. 1. 2. 3. 4.]

3 内置方法——np.arange()创建

语法：
numpy.arange(start, stop, step, dtype)
参数：
start    范围的起始值，默认为0
stop    范围的终止值(不包含)
step    两个值的间隔，默认为1
dtype    返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。

例子：

import numpy as np
# 普通用法
a1 = np.arange(10)
#含起始点
a2 = np.arange(10, 20)
# 带步长
a3 = np.arange(10, 20, 2)
# 倒着
a4 = np.arange(20, 10, -1)
print(a1, '
', a2, '
', a3, '
', a4)

执行结果：

[0 1 2 3 4 5 6 7 8 9] 
 [10 11 12 13 14 15 16 17 18 19] 
 [10 12 14 16 18] 
 [20 19 18 17 16 15 14 13 12 11]

4、内置方法——等比等差创建

4.1 np.linspace (起始值,终止值,元素总数)：创建一维等差数组。

语法：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

参数说明：

参数	描述
start	序列的起始值
stop	序列的终止值，如果endpoint为true，该值包含于数列中
num	要生成的等步长的样本数量，默认为50
endpoint	该值为 ture 时，数列中中包含stop值，反之不包含，默认是True。
retstep	如果为 True 时，生成的数组中会显示间距，反之不显示。
dtype	ndarray 的数据类型

例子：

import numpy as np
a1 = np.linspace(0, 10, 5)
print("等差数组：", a1)
a2 = np.linspace(0, 10, 5, retstep=True, dtype=np.int8)
print(a2)
结果：
等差数组： [ 0.   2.5  5.   7.5 10. ]
(array([ 0,  2,  5,  7, 10], dtype=int8), 2.5

4.2 np.logspace(起始值,终止值,元素总数)：创建一维等比数组。

语法：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

base 参数意思是取对数的时候 log 的下标。

参数	描述
start	序列的起始值为：base ** start
stop	序列的终止值为：base ** stop。如果endpoint为true，该值包含于数列中
num	要生成的等步长的样本数量，默认为50
endpoint	该值为 ture 时，数列中中包含stop值，反之不包含，默认是True。
base	对数 log 的底数。
dtype	ndarray 的数据类型

例子：

import numpy as np
# 默认底数是 10
a = np.logspace(1.0,  2.0, num=10)
print(a)
# 将对数的底数设为2
a = np.logspace(0, 9, 10, base=2)
print(a)
结果：
[ 10.          12.91549665  16.68100537  21.5443469   27.82559402
  35.93813664  46.41588834  59.94842503  77.42636827 100.        ]
[  1.   2.   4.   8.  16.  32.  64. 128. 256. 512.]

5、内置方法创建(特殊构造)

5.1 np.zeros(shape, dtype=float, order='C'):创建一个全0数组，shape要以元组格式传入

import numpy as np
a1 = np.zeros((3, 4), dtype=int)
print(a1)
a2 = np.zeros_like(a1)
print('副本：', a2)
# 结果：
[[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]
副本： [[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]

5.2 np.ones(shape, dtype=None, order='C')：创建一个全1数组，shape要以元组格式传入。

import numpy as np
a1 = np.ones((2, 3), dtype=int)
# 返回具有与给定数组相同的形状和类型的数组
a2 = np.ones_like(a1)
print(a2)

结果：

[[1 1 1]
 [1 1 1]]

5.3 np.empty(shape, dtype=None, order='C')：创建一个拥有趋近0值的数组，shape要以元组格式传入。

import numpy as np
x = np.empty((2, 3), dtype=int, order='C')
print(x)
'''
[[7209029 6422625 6619244]
 [    100 6553673       0]]
'''

5.4 np.eye(N, M=None, k=0, dtype=float, order='C')：创建一个对角矩阵，N代表行，M代表列。其中有个参数k默认值为0，它代表偏移量，正1时向主对角线右上偏移1位，负1时向主对角线左下偏移1位。

import numpy as np
a1 = np.eye(3, 3, dtype=int)
print(a1)
# 对角线下移
a2 = np.eye(3, 3, k=-1, dtype=int)
print('*************************
', a2)
# 对角线向上移
a3 = np.eye(3, 3, k=1, dtype=int)
print('*************************
', a3)

结果：

[[1 0 0]
 [0 1 0]
 [0 0 1]]
*************************
 [[0 0 0]
 [1 0 0]
 [0 1 0]]
*************************
 [[0 1 0]
 [0 0 1]
 [0 0 0]]

5.5 np.full(shape, fill_value, dtype=None, order='C')：创建一个以fill_value进行填充的数组，fill_value为想要填充的值

import numpy as np
a1 = np.full((3, 3),fill_value=5)
print(a1)
#结果
[[5 5 5]
 [5 5 5]
 [5 5 5]]

6、从随机函数创建

随机生成数组需要考虑的因素：

1. 数据范围：区间，整数、小数
2. 数据分布：均匀分布、正态分布、指定分布
3. 数据形状：size

常用的随机函数

函数	解释
rand(d0,d1,…)	[0,1]均匀分布
randint(low,high,size)	[low,high)整数均匀分布
choice(a,size,replace,p)	指定数组指定概率分布
randn(d0,d1,…)	标准正态分布

 [0,1]均匀分布

import numpy as np
a1 = np.random.rand(4, 4)
print(a1)
》》》
[[0.77052073 0.68006097 0.07924217 0.81588193]
 [0.99678088 0.3900633  0.64834814 0.62874627]
 [0.15473904 0.24785919 0.75724866 0.32946373]
 [0.99667109 0.12276489 0.26126159 0.36696264]] 0.7705207279750877

 [a,b)整数均匀分布

import numpy as np
a = np.random.randint(2, 5, (3, 3))
print(a)
>>>
[[3 4 2]
 [4 2 2]
 [2 4 4]]

指定数组指定概率分布

import numpy as np
a = np.random.choice([1, 2, 3, 4], size=(3, 4), replace=True, p=[0.1, 0.2, 0.3, 0.4])
print(a)
>>>
[[2 2 3 1]
 [4 4 4 3]
 [1 2 1 2]]

N(0,1)标准正态分布

import numpy as np
a = np.random.randn(4, 4)
print(a)
>>>
[[-1.94776705  1.82906205  0.45956222 -1.09130521]
 [ 1.52936905 -2.38259868 -1.53460647  1.95028102]
 [ 0.7148325   0.40825257  0.15732141 -0.45423096]
 [-0.20530692  1.34386361  1.13883039 -0.14897777]]