有关array的创建

创建规则矩阵

Array

np.array(arr)

• Example:

  import numpy as np
  cars = np.array([5,10,12,6])
  print(cars)
  

  Run:

  [5,10,12,6]

Linspace

np.linspace(start,end,num，endpoint)

• 创造间隔一样的点

• start 起点

• end 终点

• num 需要几个点

• endpoint 是否算最后一个节点

• Example:

  x = np.linspace(-1,1,5)
  y = np.linspace(-1,1,5,endpoint=False)
  

  Run:

  [-1. -0.5 0. 0.5 1. ]

  [-1. -0.6 -0.2 0.2 0.6]

创建特殊规则矩阵

Identify

np.identify(n)

• 用于创建方型矩阵

• Example:

  arr = np.identify(4)
  

  Run:

  [[1. 0. 0. 0.]
  [0. 1. 0. 0.]
  [0. 0. 1. 0.]
  [0. 0. 0. 1.]]

Eye

np.eye(row，column,k)

• 可以创建矩形矩阵

• k 偏移量，为1的对角线的位置偏离度，0居中，1向上偏离1，2偏离2，以此类推，-1向下偏离。值绝对值过大就偏离出去了，整个矩阵就全是0了

• Example:

  arr1 = np.eye(4,3)
  

  Run:

  [[1. 0. 0.]
  [0. 1. 0.]
  [0. 0. 1.]
  [0. 0. 0.]]

Logspace

np.logspace(start,end,num)

• 创建10^start ~10^end之间的num个数

• Example:

  arr = np.logspace(3,4,5)
  

  Run:

  [ 1000. 1778.27941004 3162.27766017 5623.4132519 10000.]

创建统一矩阵

Zeros

np.zeros([row,column])

• 常用于初始化一个全为0的数组

Ones

np.ones([row,column])

• 常用于初始化一个全为1的数组

Full

np.full([row,culumn],num)

• 用于创建指定num的数组

• Example:

  nines = np.full([2,3],9)
  

  Run:

  [[9 9 9]
  [9 9 9]]

Ones_like

np.ones_like(arr)

• 用于创建已经创建好的零数组

• Example:

  data = np.array([
  [1,2,3],
  [4,5,6]
  ], dtype=np.int)
  
  ones = np.ones(data.shape, dtype=data.dtype)
  ones_like = np.ones_like(data)
  

  Run:

  ones: (2, 3) int32
  ones_like: (2, 3) int32
  ones_like value:
  [[1 1 1]
  [1 1 1]]

• 类似的还有zeros_like,full_like

Empty

np.empty([row,column])

• 快速创建一个数组，之后再对其进行填充

• Example:

  import random
  
  empty = np.empty([2,3])
  print("empty before:\n", empty)
  data = np.arange(6).reshape([2, 3])
  for i in range(data.shape[0]):
      for j in range(data.shape[1]):
          empty[i, j] = data[i, j] * random.random()
  print("empty after:\n", empty)
  

  Run:

  empty before:
  [[9.30473091e-308 8.71186223e-308 8.71186221e-308]
  [1.53249677e-317 0.00000000e+000 8.94905028e-299]]
  empty after:
  [[0. 0.7818448 1.69389831]
  [0.74340454 1.7203021 4.40158137]]