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。


1 import numpy as np
2 a1 = np.array([1, 2, 3])
3 print(a1)
4 a2 = np.array([[1, 2, 3], [2, 3, 4]], dtype=np.float)
5 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

 

 

 

 

 



2 x = [1, 2, 3]  # x是python的列表类型 不是数组
3 a1 = np.asarray(x)
4 print(a1)  # [1  2  3]
5 y = (4, 5, 6)  # y是python的元组类型
6 a2 = np.asarray(y, dtype=float, order='F')
7 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：



1 import numpy as np
2 x = range(5)
3 a = np.fromiter(x, float, 5)
4 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, '\n', a2, '\n', a3, '\n', 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：



1 import numpy as np
2 a1 = np.linspace(0, 10, 5)
3 print("等差数组：", a1)
4 a2 = np.linspace(0, 10, 5, retstep=True, dtype=np.int8)
5 print(a2)
6 结果：
7 等差数组： [ 0.   2.5  5.   7.5 10. ]
8 (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：



1 import numpy as np
 2 # 默认底数是 10
 3 a = np.logspace(1.0,  2.0, num=10)
 4 print(a)
 5 # 将对数的底数设为2
 6 a = np.logspace(0, 9, 10, base=2)
 7 print(a)
 8 结果：
 9 [ 10.          12.91549665  16.68100537  21.5443469   27.82559402
10   35.93813664  46.41588834  59.94842503  77.42636827 100.        ]
11 [  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。



1 import numpy as np
2 a1 = np.ones((2, 3), dtype=int)
3 # 返回具有与给定数组相同的形状和类型的数组
4 a2 = np.ones_like(a1)
5 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。



1 import numpy as np
2 x = np.empty((2, 3), dtype=int, order='C')
3 print(x)
4 '''
5 [[7209029 6422625 6619244]
6  [    100 6553673       0]]
7 '''



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。



1 import numpy as np
2 a1 = np.eye(3, 3, dtype=int)
3 print(a1)
4 # 对角线下移
5 a2 = np.eye(3, 3, k=-1, dtype=int)
6 print('*************************\n', a2)
7 # 对角线向上移
8 a3 = np.eye(3, 3, k=1, dtype=int)
9 print('*************************\n', 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



1 import numpy as np
2 a = np.random.randint(2, 5, (3, 3))
3 print(a)
4 >>>
5 [[3 4 2]
6  [4 2 2]
7  [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



1 import numpy as np
2 a = np.random.randn(4, 4)
3 print(a)
4 >>>
5 [[-1.94776705  1.82906205  0.45956222 -1.09130521]
6  [ 1.52936905 -2.38259868 -1.53460647  1.95028102]
7  [ 0.7148325   0.40825257  0.15732141 -0.45423096]
8  [-0.20530692  1.34386361  1.13883039 -0.14897777]]