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]])

会生成这样一个多维数组对象

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])

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]])

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([[1,1]])

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(1,25)

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

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.]])

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

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]: 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