Numpy数组——1.数组的创建

简介: Numpy数组——1.数组的创建

一、numpy.array创建数组自定义元素

使用numpy.array可以自定义数组的dim、shape、size。


代码:

import numpy as np
a = np.array([2, 23, 4])
print(a)

输出:

[ 2 23 4]


备注:

默认为int64位整型数字,可以通过dtype修改类型


代码:

import numpy as np
# 默认64位int
b = np.array([2, 23, 4], dtype=np.int)  
print(b.dtype)
#指定32位int
c = np.array([2, 24, 23], dtype=np.int32)  
print(c.dtype)
# 默认64位float
d = np.array([2, 2, 3], dtype=np.float)  
print(d.dtype)
# 默认32位float
e = np.array([2, 2, 3], dtype=np.float32)  
print(e.dtype)

输出:

int64

int32

float64

float32


二、numpy.zeros创建元素全为0数组

使用numpy.zeros可以创建元素全为0的数组


代码:

import numpy as np
# 创建一个3行4列且元素全为0的矩阵
aa = np.zeros((3, 4))  
print(aa)

输出:

[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]

三、numpy.ones创建元素全为1的数组

使用numpy.ones可以创建元素全为1的数组


代码:

import numpy as np
# 创建一个2行3列且元素全为1的矩阵
bb = np.ones((2, 3))
print(bb)

输出:

[[1. 1. 1.]
 [1. 1. 1.]]

四、numpy.empty创建"空"数组

numpy.empty可以创建一个所有元素都接近0的数组


代码:

import numpy as np
cc = np.empty((4, 4))
print(cc)

输出:

[[-1.49166815e-154  1.49458029e-154  1.78247646e-312  9.54898106e-313]
 [ 1.54905693e-312  9.97338022e-313  2.56761491e-312  2.35541533e-312]
 [ 2.10077583e-312  9.97338022e-313  9.76118064e-313  9.76118064e-313]
 [ 2.56761491e-312  0.00000000e+000 -1.49166815e-154  1.11688089e-308]]

五、numpy.arange创建有序序列

使用numpy可以创建一个有序的序列(理解为一个一维数组,数组元素有序)


代码:

import numpy as np
# 开始值为10,结束值为19(20-1=19),步长为2的数组:10,12,14,16,18
dd = np.arange(10,20,2)  
print(dd)

输出:

[10 12 14 16 18]


六、numpy.linspace创建线段

使用numpy.linespace创建一条线段


代码:

import numpy as np
# 初始值为0,结束值为9(10-1=9),平均分成5个值(4个区间段)
ff = np.linspace(0, 10, 5)
print(ff)

输出:

[ 0. 2.5 5. 7.5 10. ]


目录
相关文章
|
8天前
|
计算机视觉 Python
PIL图像转换为Numpy数组:技术与案例详解
本文介绍了如何将PIL图像转换为Numpy数组,以便利用Numpy进行数学运算和向量化操作。首先简要介绍了PIL和Numpy的基本功能,然后详细说明了转换过程,包括导入库、打开图像文件、使用`np.array()`或`np.asarray()`函数进行转换,并通过打印数组形状验证转换结果。最后,通过裁剪、旋转和缩放等案例展示了转换后的应用,以及如何将Numpy数组转换回PIL图像。此外,还介绍了处理base64编码图像的完整流程。
25 4
|
4月前
|
索引 Python
NumPy 教程 之 Numpy 数组操作 28
NumPy 提供多种数组操作功能,包括修改形状、翻转、连接和分割等。本教程重点介绍元素的添加与删除,如使用 `resize`、`append`、`insert` 和 `delete` 函数。其中 `numpy.insert` 可在指定索引前插入值,支持标量或数组插入。示例展示了不同情况下 `insert` 的使用方法,包括不指定轴时的数组扁平化插入,以及沿特定轴进行广播插入。
45 2
|
4月前
|
数据处理 索引 Python
NumPy 数组操作:和普通操作相较,到底蕴含着怎样令人费解的独特魅力?
【8月更文挑战第19天】NumPy是Python科学计算核心库,提供高效数组操作。不同于Python列表直接列举创建,NumPy用`np.array()`创建数组。两者都支持索引和切片,但NumPy性能更优。数学运算方面,NumPy支持简洁的向量化操作,如`my_array * 2`,无需循环。NumPy还简化了数组形状变换,如使用`reshape()`方法。此外,NumPy数组要求元素类型一致,提高了内存使用效率和计算速度。这些特点使NumPy在科学计算和数据分析中不可或缺。
36 0
|
2月前
|
机器学习/深度学习 并行计算 大数据
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧2
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
99 10
|
2月前
|
Python
Numpy学习笔记(四):如何将数组升维、降维和去重
本文介绍了如何使用NumPy库对数组进行升维、降维和去重操作。
62 1
|
2月前
|
Python
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
NumPy库中的`np.concatenate`和`np.append`函数,它们分别用于沿指定轴拼接多个数组以及在指定轴上追加数组元素。
60 0
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
|
2月前
|
Python
使用 NumPy 进行数组操作的示例
使用 NumPy 进行数组操作的示例
45 2
|
2月前
|
索引 Python
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧1
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
124 4
|
2月前
|
机器学习/深度学习 并行计算 调度
CuPy:将 NumPy 数组调度到 GPU 上运行
CuPy:将 NumPy 数组调度到 GPU 上运行
127 1
|
3月前
|
Python
numpy | 插入不定长字符数组测试OK
本文介绍了如何在numpy中创建和操作不定长字符数组,包括插入和截断操作的测试。