NumPy 創(chuàng)建數(shù)組

numpy.empty_like

numpy.empty 返回形狀和類型與給定數(shù)組相同的新數(shù)組。

numpy.empty_like(prototype, dtype=None, order='K', subok=True, shape=None)

返回形狀和類型與給定數(shù)組相同的新數(shù)組

參數(shù)

prototype - 源數(shù)組的形狀和數(shù)據(jù)類型定義了返回?cái)?shù)組的這些相同屬性。dtype - 覆蓋結(jié)果的數(shù)據(jù)類型。order - 覆蓋結(jié)果的內(nèi)存布局。如果prototypeFortran連續(xù)，則“ A”表示“ F”，否則為“ C”?！?K”表示prototype 盡可能匹配布局。subok - 如果為True，則新創(chuàng)建的數(shù)組將使用'a'的子類類型，否則它將是基類數(shù)組。默認(rèn)為True。shape - 覆蓋結(jié)果的形狀。如果order ='K'并且尺寸數(shù)量不變，將嘗試保持順序，否則，則暗示order ='C'。

返回值：形狀和類型與原型相同的未初始化（任意）數(shù)據(jù)數(shù)組。

>>> import numpy as np
>>> a = ([1,2,3], [4,5,6]) # a is array-like
>>> np.empty_like(a)
array([[ 6917529027641081856, -6917520256071729910, 98],
       [ 0, 0, 0]])
>>> a = np.array([[1., 2., 3.],[4.,5.,6.]])
>>> np.empty_like(a)
array([[ 2.68156159e+154, 2.68156159e+154, 3.32479618e+181],
       [ 1.78476163e+185, -1.73059781e-077, 4.21535080e-309]])

numpy.zeros

創(chuàng)建指定大小的數(shù)組，數(shù)組元素以 0 來(lái)填充：

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

參數(shù)

shape - 空數(shù)組的形狀。dtype - 數(shù)組所需的輸出數(shù)據(jù)類型，例如numpy.int8。默認(rèn)值為 numpy.float64。order - '{'C'，'F'}，可選，默認(rèn)：'C'，表示以行(C)或列(Fortran)樣式的順序存儲(chǔ)數(shù)據(jù)在內(nèi)存中。

返回值：給定數(shù)組形狀，數(shù)據(jù)類型和順序的零數(shù)組。

>>> import numpy as np
>>> np.zeros(5)
array([0., 0., 0., 0., 0.])
>>> np.zeros((5,), dtype=int)
array([0, 0, 0, 0, 0])
>>> np.zeros((2, 1))
array([[0.],
       [0.]])
>>> s = (2,2)
>>> np.zeros((2,), dtype=[('x', 'i4'), ('y', 'i4')]) # custom dtype
array([(0, 0), (0, 0)], dtype=[('x', '<i4' ),="" ('y',="" '

numpy.zeros_like

zeros_like返回與給定數(shù)組具有相同形狀和類型的零數(shù)組。

>>> import numpy as np
>>> x = np.arange(6)
>>> x = x.reshape((2, 3))
>>> print(x)
[[0 1 2]
 [3 4 5]]
>>> np.zeros_like(x)
array([[0, 0, 0],
       [0, 0, 0]])
>>> y = np.arange(3, dtype=float)
>>> y
array([0., 1., 2.])
>>> np.zeros_like(y)
array([0., 0., 0.])

numpy.ones

創(chuàng)建指定形狀的數(shù)組，數(shù)組元素以 1 來(lái)填充：

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

參數(shù)

shape - 數(shù)組形狀。dtype - 數(shù)據(jù)類型，可選order - 'C' 用于 C 的行數(shù)組，或者 'F' 用于 FORTRAN 的列數(shù)組

>>> import numpy as np
>>> np.ones(5)
array([1., 1., 1., 1., 1.])
>>> np.ones((5,), dtype=int)
array([1, 1, 1, 1, 1])
>>> np.ones((2, 1))
array([[1.],
       [1.]])
>>> s = (2,2)
>>> np.ones(s)
array([[1., 1.],
       [1., 1.]])

numpy.ones_like

zeros_like返回形狀與類型與給定數(shù)組相同的數(shù)組。

numpy.ones_like(a, dtype=None, order='K', subok=True, shape=None)

參數(shù)

a - 一個(gè)限定返回的數(shù)組形狀和數(shù)據(jù)類型的屬性。。dtype - 數(shù)組所需的輸出數(shù)據(jù)類型。order - 覆蓋結(jié)果的內(nèi)存布局。subok - 如果為True，則新創(chuàng)建的數(shù)組將使用'a'的子類類型，否則它將是基類數(shù)組。默認(rèn)為True。shape - 覆蓋結(jié)果的形狀。

返回值：一個(gè)具有相同形狀和類型的零的陣列。

>>> import numpy as np
>>> x = np.arange(6)
>>> x = x.reshape((2, 3))
>>> x
array([[0, 1, 2],
       [3, 4, 5]])
>>> np.ones_like(x)
array([[1, 1, 1],
       [1, 1, 1]])
>>> y = np.arange(3, dtype=float)
>>> y
array([0., 1., 2.])
>>> np.ones_like(y)
array([1., 1., 1.])

numpy.arange

numpy.arange（[ start，] stop，[ step，] dtype = None ）

返回給定間隔內(nèi)的均勻間隔的值。
在半開(kāi)間隔 （即包括start但不包括stop的間隔）內(nèi)生成值。對(duì)于整數(shù)參數(shù)，該函數(shù)等效于Python內(nèi)置的 range函數(shù)，但返回ndarray而不是列表。[start, stop)

參數(shù)

start - 間隔的開(kāi)始。間隔包括該值。默認(rèn)起始值為0。stop - 間隔結(jié)束。該間隔不包括該值，除非在某些情況下，step不是整數(shù)，并且浮點(diǎn)舍入會(huì)影響out的長(zhǎng)度。step - 值之間的間距。對(duì)于任何輸出出來(lái)，這是兩個(gè)相鄰值之間的距離，默認(rèn)步長(zhǎng)為1。dtype - 輸出數(shù)組的類型。

返回值：均勻間隔的值的數(shù)組。

>>> import numpy as np
>>> np.arange(3)
array([0, 1, 2])
>>> np.arange(3.0)
array([0., 1., 2.])
>>> np.arange(3,7)
array([3, 4, 5, 6])
>>> np.arange(3,7,2)
array([3, 5])

numpy.linspace

numpy.linspace 函數(shù)用于創(chuàng)建一個(gè)一維數(shù)組，數(shù)組是一個(gè)等差數(shù)列構(gòu)成的，格式如下：

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

參數(shù)

start - 序列的起始值。stop - 序列的終止值，如果endpoint為true，該值包含于數(shù)列中。num - 要生成的等步長(zhǎng)的樣本數(shù)量，默認(rèn)為50。endpoint - 該值為 true 時(shí)，數(shù)列中包含stop值，反之不包含，默認(rèn)是True。retstep - 如果為 True 時(shí)，生成的數(shù)組中會(huì)顯示間距，反之不顯示。dtype - ndarray 的數(shù)據(jù)類型。

以下實(shí)例用到三個(gè)參數(shù)，設(shè)置起始點(diǎn)為 1 ，終止點(diǎn)為 10，數(shù)列個(gè)數(shù)為 10。

>>> import numpy as np
>>> a = np.linspace(1,10,10)
>>> print(a)
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
>>> a = np.linspace(10, 20, 5, endpoint =  False)
>>> print(a)
[10. 12. 14. 16. 18.]
>>> a =np.linspace(1,10,10,retstep= True)
>>> print(a)
(array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]), 1.0)
>>> b =np.linspace(1,10,10).reshape([10,1])
>>> print(b)
[[ 1.]
 [ 2.]
 [ 3.]
 [ 4.]
 [ 5.]
 [ 6.]
 [ 7.]
 [ 8.]
 [ 9.]
 [10.]]

numpy.asarray

直接對(duì) Python 的基礎(chǔ)數(shù)據(jù)類型（如列表、元組等）進(jìn)行轉(zhuǎn)換來(lái)生成 ndarray：

>>> import numpy as np
>>> ls1 = [10, 42, 0, -17, 30]
>>> nd1 =np.array(ls1)
>>> print(nd1)
[ 10 42 0 -17 30]
>>>
>>> print(type(nd1))

numpy.asarray類似 numpy.array，但 numpy.asarray 參數(shù)只有三個(gè)，比 numpy.array 少兩個(gè)。

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

參數(shù)

a - 任意形式的輸入?yún)?shù)，可以是，列表, 列表的元組, 元組, 元組的元組, 元組的列表，多維數(shù)組。dtype - 數(shù)據(jù)類型，可選。order - 要生成的等步長(zhǎng)的樣本數(shù)量，默認(rèn)為50。endpoint - 可選，有"C"和"F"兩個(gè)選項(xiàng),分別代表，行優(yōu)先和列優(yōu)先，在計(jì)算機(jī)內(nèi)存中的存儲(chǔ)元素的順序。

>>> import numpy as np
>>> x = [1,2,3]
>>> a = np.asarray(x)
>>> a
array([1, 2, 3])
>>> x = (1,2,3)
>>> a = np.asarray(x)
>>> print (a)
[1 2 3]
>>> x = [(1,2,3),(4,5)]
>>> a = np.asarray(x)
>>> print(a)
[(1, 2, 3) (4, 5)]
>>> x = [1,2,3]
>>> a = np.asarray(x, dtype = float)
>>> print(a)
[1. 2. 3.]

numpy.frombuffer

numpy.frombuffer 用于實(shí)現(xiàn)動(dòng)態(tài)數(shù)組。
numpy.frombuffer 接受 buffer 輸入?yún)?shù)，以流的形式讀入轉(zhuǎn)化成 ndarray 對(duì)象。

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

參數(shù)

buffer - 可以是任意對(duì)象，會(huì)以流的形式讀入。dtype - 返回?cái)?shù)組的數(shù)據(jù)類型，可選count - 讀取的數(shù)據(jù)數(shù)量，默認(rèn)為-1，讀取所有數(shù)據(jù)。offset - 讀取的起始位置，默認(rèn)為0。

>>> import numpy as np
>>> s = b'Hello Nhooo'
>>> a = np.frombuffer(s, dtype = 'S1')
>>> print(a)
[b'H' b'e' b'l' b'l' b'o' b' ' b'L' b'i' b'd' b'i' b'h' b'u' b'o']

numpy.fromiter

numpy.fromiter 方法從可迭代對(duì)象中建立 ndarray 對(duì)象，返回一維數(shù)組。

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

參數(shù)

iterable - 可迭代對(duì)象。dtype - 返回?cái)?shù)組的數(shù)據(jù)類型count - 讀取的數(shù)據(jù)數(shù)量，默認(rèn)為-1，讀取所有數(shù)據(jù)。

>>> import numpy as np
>>> # 使用 range 函數(shù)創(chuàng)建列表對(duì)象
>>> list=range(5)
>>> it=iter(list)
>>> x=np.fromiter(it, dtype=float)
>>> print(x)
[0. 1. 2. 3. 4.]

利用 random 模塊生成數(shù)組

為了更有效地訓(xùn)練模型，提高模型的性能，有些初始化還需要滿足一定的條件，如滿足正態(tài)分布或均勻分布等。這里介紹了幾種 np.random 模塊中常用的方法，如下表所示。

>>> import numpy as np
>>> # 生成全是 0 的 3x3 矩陣
>>> nd5 =np.zeros([3, 3])
>>> print("nd5 =\n", nd5)
nd5 =
 [[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]
>>> # 生成全是 1 的 3x3 矩陣
>>> nd6 = np.ones([3, 3])
>>> print("nd6 =\n", nd6)
nd6 =
 [[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]
>>>
>>> # 生成 4 階的單位矩陣
>>> nd7 = np.eye(4)
>>> print("nd7 =\n", nd7)
nd7 =
 [[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]
>>> # 生成 4 階對(duì)角矩陣
>>> nd8 = np.diag([1, 8, 3, 10])
>>> print("nd8 =\n", nd8)
nd8 =
 [[ 1 0 0 0]
 [ 0 8 0 0]
 [ 0 0 3 0]
 [ 0 0 0 10]]