日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

Python?NumPy創建數組方法_python

作者：飛Link ? 更新時間： 2022-10-31 編程語言

1. 蠻力構造法

np.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)
import numpy as np

# 如果不指定數據類型，就會根據object參數自動選擇合適的數據類型
a = np.array([[1, 2, 3], [4, 5, 6]])
# 也可以在創建數組時，指定元素的數據類型
b = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.uint8)

2. 特殊數值法

這里的特殊數值指的是0、1、空值。特殊數值法適合構造全0、全1、空數組，或由0、1組成的類似單位矩陣（主對角線為1，其余為0）的數組。

np.zeros(shape, dtype=float, order='C')
np.ones(shape, dtype=float, order='C')
np.empty(shape, dtype=float, order='C')
np.eye(N, M=None, k=0, dtype=float, order='C')

固定參數shape表示生成的數組結構，默認參數dtype用于指定數據類型(默認浮點型)。order參數指定的是數組在內存中的存儲順序，'C'表示C語言使用的行為優先方式，'F'表示Fortran語言使用的列優先方式

import numpy as np

print(np.zeros(6))
print(np.zeros((2, 3)))
print(np.ones((2, 3), dtype=int))
print(np.empty((2, 3)))
print(np.eye(3, dtype=np.uint8))

如果需要一個3行4列，初始值都是255的無符號整型數組

  • 方案1：全1數組乘以255
  • 方案2：全0數組加255
  • 方案3：使用填充函數fill() 
import numpy as np

a = np.empty((3, 4), dtype=np.uint8)
a.fill(255)
print(a)

3. 隨機數值法

np.random.random(size=None)
np.random.randint(low, high=None, size=None)
np.random.normal(loc=0.0, scale=1.0, size=None)

random()函數用于生成[0,1)區間內的隨機浮點型整數，randint()函數用于生成[low,high)區間內的隨機整形數組。參數size是一個元組，用于指定生成數組的結構

import numpy as np

print(np.random.random(3))
print(np.random.random((2, 3)))
print(np.random.randint(5))
print(np.random.randint(1, 5, size=(2, 3)))

normal()函數用于生成以loc為均值、以scale為標準差的正態分布數組。

import numpy as np
# 導入繪圖模塊
import matplotlib.pyplot as plt

# 生成正態分布數據
tall = np.random.normal(170, 4, 1000)
# 從156厘米到190厘米，每2厘米一個分段
bins = np.arange(156, 190, 2)
# 繪制柱狀圖
plt.hist(tall, bins)
# 顯示圖形
plt.show()

4. 定長分割法

import numpy as np

np.arange(start, stop, step, dtype=None)
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

arange()函數和Python的range()函數用法相同，并且還可以接收浮點型參數

import numpy as np

print(np.arange(5))
print(np.arange(5, 11))
print(np.arange(5, 11, 2))
print(np.arange(5.5, 11, 1.5))
print(np.arange(3, 15).reshape(3, 4))

linspace()函數需要3個參數：一個起點、一個終點、一個返回元素的個數。linspace()函數返回的元素包括起點和終點，可以通過endpoint參數選擇是否包含終點

import numpy as np

# 返回0到5之間的5個等距數值，包括0和5
print(np.linspace(0, 5, 5))
# 返回5個等距數值，包括0但不包括5
print(np.linspace(0, 5, 5, endpoint=False))

5. 重復構造法

repeat()函數用來重復數組元素。但如果被重復的數組是一個多維數組，且repeat()函數指定了axis參數，情況就會變得有些復雜

import numpy as np

a = np.arange(5)
print(a)
# 重復一維數組元素3次
print(np.repeat(a, 3))
a = np.arange(6).reshape((2, 3))
print(a)
# 重復二維數組元素3次，不指定軸
print(np.repeat(a, 3))
# 重復二維數組元素3次，指定0軸
print(np.repeat(a, 3, axis=0))
# 重復二維數組元素3次，指定1軸
print(np.repeat(a, 3, axis=1))

tile()將整個數組而非數組元素水平和垂直重復指定的次數

import numpy as np

a = np.arange(5)
print(a)
# 重復一維數組3次
print(np.tile(a, 3))
# 重復一維數組3行2列
print(np.tile(a, (3, 2)))
a = np.arange(6).reshape((2, 3))
print(a)
# 重復二維數組3次
print(np.tile(a, 3))
# 重復二維數組2行3列
print(np.tile(a, (2, 3)))

6. 網格構造法

用數組表示經緯度網格方式一：用兩個一維數組表示。使用定長分隔函數linspace()，將經度從-180°到180°分為間隔為10°的37個點，將緯度從90°到-90分為間隔為10°的19個點，得到兩個一維數組

import numpy as np

# 精度為10°，共計37個經度點
lon = np.linspace(-180, 180, 37)
# 精度為10°，共計19個緯度點
lat = np.linspace(90, -90, 19)

用數組表示經緯度網格方式二：用兩個二維數組分別表示經度網格和緯度網格。經度網格中每一列的元素都是相同的（同一個經度），緯度網格中每一行的元素都是相同的（同一個緯度）。生成二維經緯度網格的常用函數是np.meshgrid()，該函數以一維經度數組lon和一維緯度數組lat為參數，返回二維的經度數組和緯度數組

import numpy as np

# 精度為10°，共計37個經度點
lon = np.linspace(-180, 180, 37)
# 精度為10°，共計19個緯度點
lat = np.linspace(90, -90, 19)

lons, lats = np.meshgrid(lon, lat)
print(lons.shape)
print(lats.shape)
print(lons[:,0])
print(lons[0])

構造經緯度網格，除了使用np.meshgrid()函數外，還有一個更強大的方法，這個方法可以直接生成緯度網格和經度網格而無需借助于一維數組（請注意，緯度在前，經度在后）

import numpy as np

# 使用實數指定網格經度為5°
lats, lons = np.mgrid[90:-91:-5, -180:181:5]
print(lons.shape, lats.shape)
# 也可以用虛數指定分隔點數
lats, lons = np.mgrid[90:-90:37j, -180:180:73j]
print(lons.shape, lats.shape)

7. 自定義數據類型

結果顯示：數組會將所有元素的數據類型都轉為'<U32'類型。這里的U標識Unicode字符串；<表示字節順序，意為小端在前(低位字節存儲在最小地址中)；32表示數組元素占用32字節，數組元素占用的字節數由所有元素中最長的那個元素決定

import numpy as np

print(np.array(['Anne', 1.70, 55]).dtype)

怎樣在數組中保留用以生成數組的列表中的元素類型呢？這就需要用到自定義數據類型了。自定義數據類型類似于C語言的結構體，

import numpy as np

mytype = np.dtype([('name', 'S32'), ('tall', np.float), ('bw', np.int)])
print(np.array([('Anne', 1.70, 55)], dtype=mytype))

原文鏈接：https://blog.csdn.net/feizuiku0116/article/details/126705818

欄目分類
最近更新