概述
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:
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]])
array([[1,1]])
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,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(0,3)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(0,3) 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,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([1,4]) In [3]: a1 Out[3]: array([1,4]) In [4]: a2 = np.array((1,1)) In [5]: a2 Out[5]: array([1,1])
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2 x 2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]])
例:
In [18]: a2.shape= 2,-1 In [19]: a2 Out[19]: array([[1,1]])
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。
In [59]: a11 = np.linspace(1,25) 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.,17.5 ],[ 21.625,38.125],[ 42.25,58.75 ],[ 62.875,79.375],[ 83.5,100. ]])
直接生成多维数组
生成全0的数组
例:
In [65]: np.zeros((10,10)) Out[65]: array([[ 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.]])
只生成空数组
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]: def mul2(x,y): ...: return (x+1)*(y+1) ...: In [126]: np.fromfunction(mul2,(9,9)) Out[126]: array([[ 1.,9.],[ 2.,10.,12.,14.,16.,18.],[ 3.,15.,18.,21.,24.,27.],[ 4.,20.,28.,32.,36.],[ 5.,25.,30.,35.,40.,45.],[ 6.,36.,42.,48.,54.],[ 7.,49.,56.,63.],[ 8.,64.,72.],[ 9.,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编程小技巧。
总结
以上是编程之家为你收集整理的NumPy 如何生成多维数组的方法全部内容,希望文章能够帮你解决NumPy 如何生成多维数组的方法所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧