Numpy系统学习（三）创建Ndarray数组对象

目录
1 创建Ndarray数组对象
1.1 从无到有创建数组
1.1.1 使用array()函数
1.1.2 使用empty()函数
1.1.3 使用zeros()，ones()，full()函数
1.1.4 使用arange()函数
1.1.5 使用random.rand()函数
1.1.6 使用random.randint()
1.2 从已有数组创建数组
1.2.1 使用asarray()函数
1.2.2使用frombuffer（）函数
1.2.3 使用fromiter()函数
2.关于其他补充说明
2.1 类型转换
2.2 其他生成
1 创建Ndarray数组对象
1.1 从无到有创建数组
1.1.1 使用array()函数
原型：
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
参数说明：
名称描述
object 数组或嵌套的数列
dtype 数组元素的数据类型，可选
copy 对象是否需要复制，可选
order 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok 默认返回一个与基类类型一致的数组
ndmin 指定生成数组的最小维度
例1：测试使用dtype 类型的，已有类型
import numpy as np
a3=np.array([1,2,3,4,5],dtype=\”f2\”)
print(a3)
输出
[1. 2. 3. 4. 5.]
此时尽管输入的是整形，但是输出收到dtype影响，都变为了float型
例2：测试使用dtype类型，创建自己的类型
创建一个student类型的数据类型
姓名，学号，成绩
import numpy as np
student=np.dtype([(\”name\”,\”S20\”),(\”id\”,\”i2\”),(\”score\”,\”f2\”)])#利用dtype生成自己的数据类型
a4=np.array([(\”LiHua\”,\”1001\”,\”99.5\”),(\”Qodi\”,\”1002\”,\”85.5\”)],dtype=student)
print(a4)
输出
[(b\’LiHua\’, 1001, 99.5) (b\’Qodi\’, 1002, 85.5)]
1.1.2 使用empty()函数
作用创建一个指定形状的未初始化的数组，由于未初始化，所以输出是随机值
原型：
numpy.empty(shape, dtype = none, order = \’C\’)
参数描述
shape 数组形状，如[3,4] 代表3行4列
dtype 数据类型，可选
order 有\”C\”和\”F\”两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。
例1：创建一个4行3列的未初始化的浮点型数组
import numpy as np
a5=np.empty([4,3],dtype=\”f2\”)
print(a5)
输出
[[2.712e+03 2.163e+04 6.842e-02]
[2.251e-01 2.620e-01 6.465e-01]
[9.723e-02 3.159e-06 0.000e+00]
[0.000e+00 0.000e+00 1.984e+00]]
1.1.3 使用zeros()，ones()，full()函数
三个函数类似于empty（），创建指定形状的数组，不过zeros是以0来初始化，ones是以1来初始化，其中的1和0 默认为浮点数，full函数（）可以以自己指定的值来填充，所以会多一个参数fill_value
原型
numpy.zeros(shape, dtype = float, order = \’C\’)
numpy.ones(shape, dtype = float, order = \’C\’)
numpy.full(shape, fill_value,dtype = float, order = \’C\’)
参数说明：
参数描述
shape 数组形状
dtype 数据类型，可选
order \’C\’ 用于 C 的行数组，或者 \’F\’ 用于 FORTRAN 的列数组
fill_value 填充的值
例1：输出3行2列，用0初始化的数组
import numpy as np
a6=np.zeros([3,2])
print(a6)
输出
[[0. 0.]
[0. 0.] [0. 0.]]
1.1.4 使用arange()函数
原型
numpy.arange(start, stop, step, dtype)
根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。
参数说明：
参数描述
start 起始值，默认为0
stop 终止值（不包含）
step 步长，默认为1
dtype 返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。
例1：生成一个从2起始，9结束，步长为2的，元素类型为浮点型的一维数组
import numpy as np
a8=np.arange(2,9,2,\”f2\”)
print(a8)
输出
[2. 4. 6. 8.]
1.1.5 使用random.rand()函数
这个函数可以生成任意维度的数组，数组元素的范围为0到1
参数里面，如果有一个数字，代表是一维的，两个数字，则是二维的，三个数组，代表三维的
如
import numpy as np
a1=np.random.rand(4)
a2=np.random.rand(4,2)
print(a1)
print(a2)
1.1.6 使用random.randint()
rand函数只能生成0到1 的浮点数，而我们的randint()生成的是自己指定范围的整数
原型
randint(low,high=None,size=none,dtype=\”-1\”)
参数说明
low 包含的下界
high 不包含的上界
size 元素个数
dtype 元素类型
例1：生成从0到9的五个随机数
import numpy as np
arr=np.random.randint(0,10,5)
print(arr)
输出
[6 4 7 1 5]
1.2 从已有数组创建数组
1.2.1 使用asarray()函数
numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。
原型
numpy.asarray(a, dtype = None, order = None)
参数说明：
参数描述
a 任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
dtype 数据类型，可选
order 可选，有\”C\”和\”F\”两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。
例1：利用已有的1.1.3 节的a6 数组，生成一个新的数组
import numpy as np
a6=np.zeros([3,2])
a7=np.asanyarray(a6)
print(a7)
输出
[[0. 0.] [0. 0.] [0. 0.]]
1.2.2使用frombuffer（）函数
frombuffer()函数用于实现动态数组
numpy.frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
注意：buffer 是字符串的时候，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b。
参数说明：
参数描述
buffer 可以是任意对象，会以流的形式读入。
dtype 返回数组的数据类型，可选
count 读取的数据数量，默认为-1，读取所有数据。
offset 读取的起始位置，默认为0。
例1：以流的形式从a开始读入“You are the best !” 建立数组
import numpy as np
a6=np.zeros([3,2])
a7=np.asanyarray(a6)
print(a7)
输出
[b\’a\’ b\’r\’ b\’e\’ b\’ \’ b\’t\’ b\’h\’ b\’e\’ b\’ \’ b\’b\’ b\’e\’ b\’s\’ b\’t\’ b\’!\’]
1.2.3 使用fromiter()函数
这个函数是通过已有的迭代器创建数组，对于迭代器，我们需要知道常见的比如list,tuple,dict等都是，具体可以阅读以下博客
第4章 Python基础概念之迭代、可迭代对象、迭代器-CSDN博客
原型
numpy.fromiter(iterable, dtype, count=-1)
参数描述
iterable 可迭代对象
dtype 返回数组的数据类型
count 读取的数据数量，默认为-1，读取所有数据
示例：通过一个list迭代对象建立一个数组
import numpy as np
a9=[1,2,3,4,5]
arr=np.fromiter(a9,dtype=\”i1\”)
print(a9)
输出
[1,2,3,4,5]
注意：这里的dtype没有默认值，故需要申明dtype，否则会报错

2.关于其他补充说明
2.1 类型转换
numpy 主要通过dtype自定义，如果未自定义，则根据传入的内容调整类型
numpy默认ndarray的所有的元素的数据类型是相同的，这一点与python中的list不同，如果传进来的列表中包含不同的类型，则统一为同一类型，优先级str（字符串）>float>int
例1：比较float和int的优先级
import numpy as np
a1=np.array([0.1,0.2,3,4,5])
print(a1)
输出：
[0.1 0.2 3. 4. 5. ]
可见如果有浮点型，就优先将整形转换为浮点型
例2：比较str和float,int的优先级
import numpy as np
a2=np.array([0.1,0.2,\”3\”,4,5])
print(a1)
输出：
[\’0.1\’ \’0.2\’ \’3\’ \’4\’ \’5\’]
可见有字符型的“3”以后，会把所有的浮点型，整形都转换为浮点型
2.2 其他创建方式
以上仅罗列了一些常用的，数组对象的生成还可以有更多的选择
如生成正态分布的randn()函数
如生成对角矩阵的eye()函数