Numpy创建数组

7个月前 (04-27)

在《NumPy Ndarray对象》一节，介绍了创建 ndarray 数组的基本方法，除了使用 array() 方法外，NumPy 还提供了其他创建 ndarray 数组的方法。本节对这些常用方法做简单介绍。

numpy.empty()

numpy.empty() 创建未初始化的数组，可以指定创建数组的形状（shape）和数据类型（dtype），语法格式如下：

numpy.empty(shape, dtype = float, order = 'C')

它接受以下参数：

shape：指定数组的形状；

dtype：数组元素的数据类型，默认值是值 float；

order：指数组元素在计算机内存中的储存顺序，默认顺序是“C”(行优先顺序)。

使用示例如下：

import numpy as np
arr = np.empty((3,2), dtype = int)
print(arr)

输出结果：

[[2003134838  175335712]
[ 538976288  538976288]
[1970562418 1684369010]]

可以看到，numpy.empty() 返回的数组带有随机值，但这些数值并没有实际意义。切记 empty 并非创建空数组。

numpy.zeros()

该函数用来创建元素均为 0 的数组，同时还可以指定被数组的形状，语法格式如下：

numpy. zeros(shape,dtype=float,order="C")

参数说明
参数名称	说明描述
shape	指定数组的形状大小。
dtype	可选项，数组的数据类型
order	“C”代表以行顺序存储，“F”则表示以列顺序存储

示例如下：

import numpy as np
#默认数据类型为浮点数
a=np.zeros(6)
print(a)
b=np.zeros(6,dtype="complex64" )
print(b)

输出结果：

#a数组
[0. 0. 0. 0. 0. 0.]
#b数组
[0.+0.j 0.+0.j 0.+0.j 0.+0.j 0.+0.j 0.+0.j]

也可以使用自定义的数据类型创建数组，如下所示：

c = np.zeros((3,3), dtype = [('x', 'i4'), ('y', 'i4')])
print(c)
#输出x,y，并指定的数据类型
[[(0, 0) (0, 0) (0, 0)]
[(0, 0) (0, 0) (0, 0)]
[(0, 0) (0, 0) (0, 0)]]

numpy.ones()

返回指定形状大小与数据类型的新数组，并且新数组中每项元素均用 1 填充，语法格式如下：

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

示例如下：

import numpy as np
arr1 = np.ones((3,2), dtype = int)
print(arr1)

输出结果如下：

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

下面介绍如何使用 Python 列表、流对象、可迭代对象来创建一个 NumPy 数组。

numpy.asarray()

asarray() 与 array() 类似，但是它比 array() 更为简单。asarray() 能够将一个 Python 序列转化为 ndarray 对象，语法格式如下：

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

它接受下列参数：

sequence：接受一个 Python 序列，可以是列表或者元组；

dtype：可选参数，数组的数据类型；

order：数组内存布局样式，可以设置为 C 或者 F，默认是 C。

示例 1，将列表转化为 numpy 数组：

import numpy as np
l=[1,2,3,4,5,6,7]
a = np.asarray(l);
print(type(a))
print(a)

输出结果如下所示：

#a数组类型
<class 'numpy.ndarray'>
#a数组
[1 2 3 4 5 6 7]

示例 2，使用元组创建 numpy 数组：

import numpy as np
l=(1,2,3,4,5,6,7)
a = np.asarray(l);
print(type(a))
print(a)

输出结果如下：

<class 'numpy.ndarray'>
[1 2 3 4 5 6 7]

示例 3，使用嵌套列表创建多维数组：

import numpy as np 
l=[[1,2,3,4,5,6,7],[8,9]] 
a = np.asarray(l); 
print(type(a)) 
print(a)

输出结果：

<class 'numpy.ndarray'>
[list([1, 2, 3, 4, 5, 6, 7]) list([8, 9])]

numpy.frombuffer()

表示使用指定的缓冲区创建数组。下面给出了该函数的语法格式：

numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

它的参数说明如下所示：

buffer：将任意对象转换为流的形式读入缓冲区；

dtype：返回数组的数据类型，默认是 float32；

count：要读取的数据数量，默认为 -1 表示读取所有数据；

offset：读取数据的起始位置，默认为 0。

示例 4 如下：

import numpy as np
#字节串类型
l = b'hello world'
print(type(l))
a = np.frombuffer(l, dtype = "S1")
print(a)
print(type(a))

输出结果如下：

<class 'bytes'>
[b'h' b'e' b'l' b'l' b'o' b' ' b'w' b'o' b'r' b'l' b'd']
<class 'numpy.ndarray'>

numpy.fromiter()

该方法可以把迭代对象转换为 ndarray 数组，其返回值是一个一维数组。

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

参数说明如下：

参数描述
参数名称	描述说明
iterable	可迭代对象。
dtype	返回数组的数据类型。
count	读取的数据数量，默认为 -1，读取所有数据。

示例5：使用内置 range() 函数创建列表对象，然后使用迭代器创建 ndarray 对象，代码如下：

import numpy as np
# 使用 range 函数创建列表对象
list=range(6)
#生成可迭代对象i
i=iter(list)
#使用i迭代器，通过fromiter方法创建ndarray
array=np.fromiter(i, dtype=float)
print(array)

输出结果：

[0. 1. 2. 3. 4. 5.]