NumPy 如何生成多维数组的方法
Python现在是最热门的人工智能语言,各种工具的支持如Google的Tensorflow,都是首选支持Python的。
但是,与R语言不同,Python语言设计时,并没有考虑对于矩阵运算,统计计算等功能做专项支持。于是我们需要NumPy库来补足这一能力上的不足。
NumPy是Python的著名扩展库,相当于Python中的MATLAB。
Numpy中,ndarray类具有六个参数,它们分别为:
- shape:数组的形状。
- dtype:数据类型。
- buffer:对象暴露缓冲区接口。
- offset:数组数据的偏移量。
- strides:数据步长。
- order:{'C','F'},以行或列为主排列顺序。
如何生成多维数组
初识ndarray多维数组
在算法中我们最经常用到的就是矩阵,我们就从矩阵开始说起吧。
NumPy中,使用二维的多维数组ndarray来存储矩阵。
例:
a3=np.array([[1,0],[0,1]])
会生成这样一个多维数组对象
array([[1,0], [0,1]])
生成数组序列
通过开始值、结束值和步长值生成数组序列-arange
可以通过arange函数来生成指定开始值,结束值和步长值的一维数组。请注意,结束值并不包含在序列中,也就是说结束值是开区间。
In[25]:a4=np.arange(1,10,1) In[26]:a4 Out[26]:array([1,2,3,4,5,6,7,8,9])
线性序列-linspace
与arange类似,linspace通过给定初值、终值和元素个数来生成序列。是否包含终值可以通过endpoint属性来设置。
例:
In[37]:a8=np.linspace(1,10,10,endpoint=True) In[38]:a8 Out[38]:array([1.,2.,3.,4.,5.,6.,7.,8.,9.,10.])
等比序列-logspace
除了线性的等差数列,我们也可以通过等比数列的方式来生成一维数组。
默认是以10的n次方为参数,比如logspace(0,4,3)的意思是,初值为10的0次方,即1,终值是10的4次方,即100,一共生成3个值。
例,生成[1,100,10000]
In[47]:a9=np.logspace(0,4,3) In[48]:a9 Out[48]:array([1.00000000e+00,1.00000000e+02,1.00000000e+04])
我们当然也可以修改基数,比如改成3:
In[53]:a10=np.logspace(1,5,3,base=3) In[54]:a10 Out[54]:array([3.,27.,243.])
改变多维数组的形状
如果有一个一维数组要转为多维数组,可以通过修改shape属性来实现。
我们可以先将数据存在一维数组中,可以用列表或者元组来生成一维数组,它们是等价的:
例:
In[2]:a1=np.array([1,2,3,4]) In[3]:a1 Out[3]:array([1,2,3,4]) In[4]:a2=np.array((1,0,0,1)) In[5]:a2 Out[5]:array([1,0,0,1])
我们通过shape属性来查看一个数组的形状:
In[14]:a1.shape Out[14]:(4,) In[15]:a2.shape Out[15]:(4,)
shape属性是可以直接修改的,比如我们想把上面的a1改成2x2的矩阵,就直接改shape值就是了:
In[16]:a1.shape=2,2 In[17]:a1 Out[17]: array([[1,2], [3,4]])
如果能确定一个轴,另一个可以赋-1让系统自己去算。
例:
In[18]:a2.shape=2,-1 In[19]:a2 Out[19]: array([[1,0], [0,1]])
如果想保持这个数组不变,生成一个形状改变的新数组,可以调用reshape方法。
例:我们将一个25个元素的数组生成一个5x5的新数组
In[59]:a11=np.linspace(1,100,25) In[60]:a11 Out[60]: array([1.,5.125,9.25,13.375,17.5,21.625, 25.75,29.875,34.,38.125,42.25,46.375, 50.5,54.625,58.75,62.875,67.,71.125, 75.25,79.375,83.5,87.625,91.75,95.875,100.]) In[61]:a12=a11.reshape(5,-1) In[62]:a12 Out[62]: array([[1.,5.125,9.25,13.375,17.5], [21.625,25.75,29.875,34.,38.125], [42.25,46.375,50.5,54.625,58.75], [62.875,67.,71.125,75.25,79.375], [83.5,87.625,91.75,95.875,100.]])
直接生成多维数组
生成全0的数组
zeros生成全是0的数组,第一个参数是shape
例:
In[65]:np.zeros((10,10)) Out[65]: array([[0.,0.,0.,0.,0.,0.,0.,0.,0.,0.], [0.,0.,0.,0.,0.,0.,0.,0.,0.,0.], [0.,0.,0.,0.,0.,0.,0.,0.,0.,0.], [0.,0.,0.,0.,0.,0.,0.,0.,0.,0.], [0.,0.,0.,0.,0.,0.,0.,0.,0.,0.], [0.,0.,0.,0.,0.,0.,0.,0.,0.,0.], [0.,0.,0.,0.,0.,0.,0.,0.,0.,0.], [0.,0.,0.,0.,0.,0.,0.,0.,0.,0.], [0.,0.,0.,0.,0.,0.,0.,0.,0.,0.], [0.,0.,0.,0.,0.,0.,0.,0.,0.,0.]])
生成全是1的数组
例:
In[66]:np.ones((5,5)) Out[66]: array([[1.,1.,1.,1.,1.], [1.,1.,1.,1.,1.], [1.,1.,1.,1.,1.], [1.,1.,1.,1.,1.], [1.,1.,1.,1.,1.]])
只生成空数组
empty不赋初值,是最快速的方法
例:
In[67]:np.empty((3,3)) Out[67]: array([[1.,2.125,3.25], [4.375,5.5,6.625], [7.75,8.875,10.]])
通过函数来生成数组
通过fromfunction函数可以通过一个函数来生成想要的数组。
例,生成九九乘法表:
In[125]:defmul2(x,y): ...:return(x+1)*(y+1) ...: In[126]:np.fromfunction(mul2,(9,9)) Out[126]: array([[1.,2.,3.,4.,5.,6.,7.,8.,9.], [2.,4.,6.,8.,10.,12.,14.,16.,18.], [3.,6.,9.,12.,15.,18.,21.,24.,27.], [4.,8.,12.,16.,20.,24.,28.,32.,36.], [5.,10.,15.,20.,25.,30.,35.,40.,45.], [6.,12.,18.,24.,30.,36.,42.,48.,54.], [7.,14.,21.,28.,35.,42.,49.,56.,63.], [8.,16.,24.,32.,40.,48.,56.,64.,72.], [9.,18.,27.,36.,45.,54.,63.,72.,81.]])
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。