Python NumPy教程之數組的創建詳解

使用 List 創建數組

數組用於在一個變量中存儲多個值。Python 沒有對數組的內置支持，但可以使用 Python 列表代替。

例子 ：

arr = [1, 2, 3, 4, 5]
arr1 = ["geeks", "for", "geeks"]

# 用於創建數組的 Python 程序
 
# 使用列表創建數組
    arr=[1, 2, 3, 4, 5]
    for i in arr:
        print(i)

輸出：

1 
2 
3 
4 
5

使用數組函數創建數組

array(data type, value list) 函數用於創建一個數組，其參數中指定瞭數據類型和值列表。

例子 ：

# 演示 array() 工作的 Python 代碼
  
# 為數組操作導入“array”
import array
  
# 用數組值初始化數組
# 用有符號整數初始化數組
arr = array.array('i', [1, 2, 3]) 
 
# 打印原始數組
print ("The new created array is : ",end="")
for i in range (0,3):
    print (arr[i], end=" ")
 
print ("\r")

輸出：

The new created array is : 1 2 3 1 5

使用 numpy 方法創建數組

NumPy 提供瞭幾個函數來創建具有初始占位符內容的數組。這些最大限度地減少瞭增長陣列的必要性，這是一項昂貴的操作。例如：np.zeros、np.empty等。

numpy.empty(shape, dtype = float, order = 'C')： 返回給定形狀和類型的新數組，具有隨機值。

# 說明 numpy.empty 方法的 Python 代碼
 
import numpy as geek
 
b = geek.empty(2, dtype = int)
print("Matrix b : \n", b)
 
a = geek.empty([2, 2], dtype = int)
print("\nMatrix a : \n", a)
 
c = geek.empty([3, 3])
print("\nMatrix c : \n", c)

輸出 ：

Matrix b : 
 [         0 1079574528]

Matrix a : 
 [[0 0]
 [0 0]]

Matrix a : 
 [[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]

numpy.zeros(shape, dtype = None, order = 'C')： 返回給定形狀和類型的新數組，帶零。

# 說明 numpy.zeros 方法的 Python 程序
 
import numpy as geek
 
b = geek.zeros(2, dtype = int)
print("Matrix b : \n", b)
 
a = geek.zeros([2, 2], dtype = int)
print("\nMatrix a : \n", a)
 
c = geek.zeros([3, 3])
print("\nMatrix c : \n", c)

輸出 ：

Matrix b : 
 [0 0]

Matrix a : 
 [[0 0]
 [0 0]]

Matrix c : 
 [[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]

重塑數組

我們可以使用reshape方法來重塑數組。考慮一個形狀為 (a1, a2, a3, …, aN) 的數組。我們可以重新整形並將其轉換為另一個形狀為 (b1, b2, b3, …, bM) 的數組。

唯一需要的條件是： a1 x a2 x a3 … x aN = b1 x b2 x b3 … x bM 。（即數組的原始大小保持不變。）

numpy.reshape(array, shape, order = 'C')： 在不更改數組數據的情況下對數組進行整形。

# 說明 numpy.reshape() 方法的 Python 程序
 
import numpy as geek
 
array = geek.arange(8)
print("Original array : \n", array)
 
# 具有 2 行和 4 列的形狀數組
array = geek.arange(8).reshape(2, 4)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
 
# 具有 2 行和 4 列的形狀數組
array = geek.arange(8).reshape(4 ,2)
print("\narray reshaped with 2 rows and 4 columns : \n", array)
 
# 構造 3D 數組
array = geek.arange(8).reshape(2, 2, 2)
print("\nOriginal array reshaped to 3D : \n", array)

輸出 ：

Original array : 
 [0 1 2 3 4 5 6 7]

array reshaped with 2 rows and 4 columns : 
 [[0 1 2 3]
 [4 5 6 7]]

array reshaped with 2 rows and 4 columns : 
 [[0 1]
 [2 3]
 [4 5]
 [6 7]]

Original array reshaped to 3D : 
 [[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]]

為瞭創建數字序列，NumPy 提供瞭一個類似於 range 的函數，它返回數組而不是列表。

arange返回給定間隔內均勻分佈的值。步長是指定的。

linspace 返回給定間隔內均勻分佈的值。編號_ 的元素被返回。

arange([start,] stop[, step,][, dtype])： 根據間隔返回一個具有均勻間隔元素的數組。提到的間隔是半開的，即[開始，停止）

# 說明 numpy.arange 方法的 Python 編程
 
import numpy as geek
 
print("A\n", geek.arange(4).reshape(2, 2), "\n")
 
print("A\n", geek.arange(4, 10), "\n")
 
print("A\n", geek.arange(4, 20, 3), "\n")

輸出 ：

A 
 [[0 1] 
 [2 3]] 

A 
 [4 5 6 7 8 9] 

A 
 [ 4 7 10 13 16 19]

numpy.linspace(start, stop, num = 50, endpoint = True, retstep = False, dtype = None)： 在間隔中均勻返回數字空間。類似於 arange 但不是 step 它使用樣本編號。

# 說明 numpy.linspace 方法的 Python 編程
 
import numpy as geek
 
# 重新設置為 True
print("B\n", geek.linspace(2.0, 3.0, num=5, retstep=True), "\n")
 
# 長期評估 sin()
x = geek.linspace(0, 2, 10)
print("A\n", geek.sin(x))

輸出 ：

B
 (array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ]), 0.25)

A
 [ 0.          0.22039774  0.42995636  0.6183698   0.77637192  0.8961922
  0.9719379   0.99988386  0.9786557   0.90929743]

展平數組

我們可以使用展平方法將數組的副本折疊成一維。它接受 order 參數。默認值為“C”（用於行優先順序）。使用“F”表示列主要順序。

numpy.ndarray.flatten(order = 'C') ：返回折疊成一維的數組的副本。

# 說明 numpy.flatten() 方法的 Python 程序
 
import numpy as geek
 
array = geek.array([[1, 2], [3, 4]])
 
# 使用扁平化方法
array.flatten()
print(array)
 
#使用扁平化方法
array.flatten('F')
print(array)

輸出 ：

[1, 2, 3, 4] 
[1, 3, 2, 4]

在 Numpy 中創建數組的方法

到此這篇關於Python NumPy教程之數組的創建詳解的文章就介紹到這瞭,更多相關Python NumPy數組創建內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：

• Python Numpy中ndarray的常見操作
• 初識python的numpy模塊
• Python數據分析之Numpy庫的使用詳解
• python數學建模是加深Numpy和Pandas學習
• Python NumPy教程之遍歷數組詳解