腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

NumPy 如何生成多維數(shù)組的方法

更新時間：2018年02月05日 09:58:16 作者：lusing

這篇文章主要介紹了NumPy 如何生成多維數(shù)組的方法,小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧

Python現(xiàn)在是最熱門的人工智能語言，各種工具的支持如Google的Tensorflow，都是首選支持Python的。

但是，與R語言不同，Python語言設(shè)計時，并沒有考慮對于矩陣運算，統(tǒng)計計算等功能做專項支持。于是我們需要NumPy庫來補足這一能力上的不足。

NumPy是Python的著名擴(kuò)展庫，相當(dāng)于Python中的MATLAB。

Numpy 中，ndarray 類具有六個參數(shù)，它們分別為：

shape：數(shù)組的形狀。
dtype：數(shù)據(jù)類型。
buffer：對象暴露緩沖區(qū)接口。
offset：數(shù)組數(shù)據(jù)的偏移量。
strides：數(shù)據(jù)步長。
order：{'C'，'F'}，以行或列為主排列順序。

如何生成多維數(shù)組

初識ndarray多維數(shù)組

在算法中我們最經(jīng)常用到的就是矩陣，我們就從矩陣開始說起吧。
NumPy中，使用二維的多維數(shù)組ndarray來存儲矩陣。

例：

a3 = np.array([[1,0],[0,1]])

會生成這樣一個多維數(shù)組對象

array([[1, 0],
  [0, 1]])

生成數(shù)組序列

通過開始值、結(jié)束值和步長值生成數(shù)組序列 - arange

可以通過arange函數(shù)來生成指定開始值，結(jié)束值和步長值的一維數(shù)組。請注意，結(jié)束值并不包含在序列中，也就是說結(jié)束值是開區(qū)間。

In [25]: a4 = np.arange(1,10,1)

In [26]: a4
Out[26]: array([1, 2, 3, 4, 5, 6, 7, 8, 9])

線性序列 - linspace

與arange類似，linspace通過給定初值、終值和元素個數(shù)來生成序列。是否包含終值可以通過endpoint屬性來設(shè)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

除了線性的等差數(shù)列，我們也可以通過等比數(shù)列的方式來生成一維數(shù)組。

默認(rèn)是以10的n次方為參數(shù)，比如logspace(0,4,3)的意思是，初值為10的0次方，即1，終值是10的4次方，即100，一共生成3個值。

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])

我們當(dāng)然也可以修改基數(shù)，比如改成3：

In [53]: a10 = np.logspace(1,5,3,base=3)

In [54]: a10
Out[54]: array([ 3., 27., 243.])

改變多維數(shù)組的形狀

如果有一個一維數(shù)組要轉(zhuǎn)為多維數(shù)組，可以通過修改shape屬性來實現(xiàn)。

我們可以先將數(shù)據(jù)存在一維數(shù)組中，可以用列表或者元組來生成一維數(shù)組，它們是等價的：

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])

我們通過shape屬性來查看一個數(shù)組的形狀：

In [14]: a1.shape
Out[14]: (4,)

In [15]: a2.shape
Out[15]: (4,)

shape屬性是可以直接修改的，比如我們想把上面的a1改成2 x 2的矩陣，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]])

如果能確定一個軸，另一個可以賦-1讓系統(tǒng)自己去算。

例：

In [18]: a2.shape= 2,-1

In [19]: a2
Out[19]: 
array([[1, 0],
  [0, 1]])

如果想保持這個數(shù)組不變，生成一個形狀改變的新數(shù)組，可以調(diào)用reshape方法。

例：我們將一個25個元素的數(shù)組生成一個5x5的新數(shù)組

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. ]])

直接生成多維數(shù)組

生成全0的數(shù)組

zeros生成全是0的數(shù)組，第一個參數(shù)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的數(shù)組

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.]])

只生成空數(shù)組

empty不賦初值，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. ]])

通過函數(shù)來生成數(shù)組

通過fromfunction函數(shù)可以通過一個函數(shù)來生成想要的數(shù)組。

例，生成九九乘法表：

In [125]: def mul2(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內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: