一、NumPy 创建数组

ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。

1.numpy.empty

numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

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

 

shape	数组形状
dtype	数据类型，可选
order	有”C”和”F”两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

 

演示代码：

import numpy as np 
x = np.empty([3,2], dtype = int) 
print (x)

输出结果：

[[1632772128 1936028521]
 [ 538976266  757935392]
 [ 170732845  538976288]]

 

演示代码：

x = np.empty([1,1], dtype = int) 
print (x[0][0])

输出结果：

1970086003

注意：数组元素为随机值，因为它们未初始化。

2.numpy.zeros

创建指定大小的数组，数组元素以 0 来填充：

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

演示代码：

# 默认为浮点数
x = np.zeros(5) 
print('x:',x)
 
# 设置类型为整数
y = np.zeros((5,), dtype = int) 
print('y:',y)
 
# 自定义类型
z = np.zeros((2,3), dtype = [('x', 'float'), ('y', 'i4')])  
print('z:',z)

输出结果：

x: [0. 0. 0. 0. 0.]
y: [0 0 0 0 0]
z: [[(0., 0) (0., 0) (0., 0)]
 [(0., 0) (0., 0) (0., 0)]]

3.numpy.ones

创建指定形状的数组，数组元素以 1 来填充：

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

演示代码：

# 默认为浮点数
x = np.ones(5) 
print(x)
 
# 自定义类型
x = np.ones((2,3), dtype = [('x', 'float'), ('y', 'i4')])  
print(x)

输出结果：

[1. 1. 1. 1. 1.]
[[(1., 1) (1., 1) (1., 1)]
 [(1., 1) (1., 1) (1., 1)]]

 

二、从已有的数组创建数组

1.numpy.asarray

numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。

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

 

参数	描述
a	任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
dtype	数据类型，可选
order	可选，有”C”和”F”两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

 

演示代码：

# 将列表转换为 ndarray
x =  [1,2,3] 
a = np.asarray(x)  
print(a)

# 将元组转换为 ndarray
x = (1,2,3)
a = np.asarray(x)
print(a)

# 将元组列表转换为 ndarray
x = [(1,2,3),(4,5)]
a = np.asarray(x)
print (a)

输出结果：

[1 2 3]

[1 2 3]

[(1, 2, 3) (4, 5)]

 

代码演示：

# 设置 dtype 参数
x =  [1,2,3] 
a = np.asarray(x, dtype =  float)  
print (a)

输出结果：

[1. 2. 3.]

2.numpy.frombuffer

numpy.frombuffer 用于实现动态数组。

numpy.frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。

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

注意：buffer 是字符串的时候，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b。

 

参数	描述
buffer	可以是任意对象，会以流的形式读入。
dtype	返回数组的数据类型，可选
count	读取的数据数量，默认为-1，读取所有数据。
offset	读取的起始位置，默认为0。

 

演示代码：

s =  b'Hello World' 
a = np.frombuffer(s, dtype =  'S1')  
print (a)

输出结果：

[b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']

3.numpy.fromiter

numpy.fromiter 方法从可迭代对象中建立 ndarray 对象，返回一维数组。

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

演示代码：

# 使用 range 函数创建列表对象  
list=range(5)
it=iter(list)
 
# 使用迭代器创建 ndarray 
x=np.fromiter(it, dtype=float)
print(x)

输出结果：

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

 

三、从数值范围创建数组

1.numpy.arange

numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下：

numpy.arange(start, stop, step, dtype)

 

参数	描述
start	起始值，默认为0
stop	终止值（不包含）
step	步长，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。

 

演示代码：

# 生成 0-5 的数组
x = np.arange(5)  
print (x)

# 设置 dtype、起始值、终止值及步长
x = np.arange(10,20,2,dtype = float)
print (x)

输出结果：

[0  1  2  3  4]
[10. 12. 14. 16. 18.]

2.numpy.linspace

numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

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

 

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 true 时，数列中包含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

 

演示代码：

# 设置起始点为 1 ，终止点为 10，数列个数为 4
a = np.linspace(1,10,4)
print(a)

# 将 endpoint 设为 false，不包含终止值
a = np.linspace(10, 20, 5, endpoint = False)
print(a)

# 设置间距
a =np.linspace(1,10,10,retstep= True)
print(a)

# 拓展例子
b =np.linspace(1,10,10).reshape([10,1])
print(b)

输出结果：

[ 1.  4.  7. 10.]
[10. 12. 14. 16. 18.]
(array([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.]), 1.0)
[[ 1.]
 [ 2.]
 [ 3.]
 [ 4.]
 [ 5.]
 [ 6.]
 [ 7.]
 [ 8.]
 [ 9.]
 [10.]]

3.numpy.logspace

numpy.logspace 函数用于创建一个于等比数列。格式如下：

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

 

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 true 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

演示代码：

# 默认底数是 10
a = np.logspace(1.0, 2.0, num = 4)
print (a)

# 将对数的底数设置为 2
a = np.logspace(0,9,num=10,base=2,dtype='int')
print (a)

输出结果：

[ 10.          21.5443469   46.41588834 100.        ]
[  1   2   4   8  16  32  64 128 256 512]