当前位置: 移动技术网 > IT编程>脚本编程>Python > numpy的基本操作(一)——创建

numpy的基本操作(一)——创建

2019年11月24日  | 移动技术网IT编程  | 我要评论

荒川洋子,陈丽阳,av播

numpy的基本创建操作  

 

1、np.empty([a, b])  empty方法可以在无需初始化的情况下创建认为是空的a行b列数组。但是事实上,empty创建的数组中的值是随机的。

    

2、np.eye(n, m, k=k)  eye方法可以创建形状为n列m行的,只在对角线上为1,其余位置为0的数组。k表示对角线从主对角线的偏移,k为正表示向右(列索引的正方向)偏移。

    

  类似的,np.indentity(n)  表示创建一个n×n的方阵,主对角线上为1,其余位置为0。

3、np.ones([a, b]) / np.zeros([a, b])  ones/zeros方法可以创建全为1/0的a行b列数组。

    

4、np.full([a, b], v)  full方法可以创建值全为v的a行b列数组。

    

5、np.array([a, b, c])  array方法可以直接创建内容为[a, b, c]的数组。

 

6、np.arrange(start, stop, step)  arrange方法创建以start开始,stop结束(不包括),步长为step的顺序数组。

    

7、np.linspace(start, stop, num=50, endpoint=true)  linspace方法创建以start开始,stop结束,等间隔的num个点,endpoint=true/false代表是否包括结束点。

    

8、np.logspace(start, stop, num=50, endpoint=true, base=10)  logspace方法创建以start开始,stop结束,等对数(如10,100,1000)间隔的num个点,endpoint=true/false代表

  是否包括结束点,base表示对数的底数。

    

  可以看到,等对数间隔的含义是,对于x=log y,x为参数操作的对象(如start=2,2=log y,y=100),y为输出,等间隔是针对x而言。

9、np.geomspace(start, stop, num=50, endpoint=true)  geomspace方法创建以start开始,stop结束,等级数(如10,100,1000)间隔的num个点,endpoint=true/false代表是否包括结束点。

    

  等级数间隔的含义与等对数间隔的含义对应,对于x=log y,y为参数操作的对象(如start=1,0=log 1,y=1),y为输出,等间隔是针对x而言。两个方法的不同点在于参数设置的对象为x还是y。

10、np.meshgrid(xi, yi, indexing='xy')  meshgrid方法按传入的坐标向量返回坐标矩阵,xi和yi分别是m和n长的向量,indexing表示返回矩阵的索引方式,‘xy’表示返回m列n行矩阵,

  ‘ij'表示返回m行n列矩阵。

                       

11、np.mgrid[a:b:cj, d:e:f]  mgrid方法生成多维的等间距的坐标矩阵。(a,b)和(d,e)表示两个轴的坐标向量的首尾,cj表示(a,b)之间等间隔取c个点,f表示(d,e)之间从d开始每f间距取一个点。

  若输入的维数为p,第一维输入长度为m,第二维输入长度为n,返回的数组的结构为(p, m, n),即每个维度的坐标矩阵为m列n行。

    

12、np.ogrid[a:b:cj, d:e:f]   ogrid方法生成多维的坐标向量。参数含义与mgrid方法相同,但是返回值为长度为p的list列表,按输入顺序排序坐标向量。

    

13、np.diagflat(x, k=0)  diagflat方法根据输入的数组x,创建以x为对角线的矩阵,k表示偏移量,向右(列索引的正方向)为正。

    

14、np.tri(m, n, k=0)  tri方法创建m行n列的对角线及其下方全为1的矩阵,k表示偏移量。

    

  此外,np.tril(a, k=0)表示获取矩阵的下三角阵,np.triu(a, k=0)表示获取矩阵的上三角阵,k表示偏移量。

15、np.mat(a)  mat方法创建按输入数组a的矩阵。array创建的数组之间的相乘是对应相乘,mat创建的矩阵之间的相乘是矩阵相乘,维数不对应会报错。对array数组进行.t的转置操作后

  其类型也转换为了矩阵。

                                 

 

 

 

参考:numpy中文文档:

   numpy英文文档:

 

 

 

 

如对本文有疑问,请在下面进行留言讨论,广大热心网友会与你互动!! 点击进行留言回复

相关文章:

验证码:
移动技术网