溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
Python現在是最熱門的人工智能語言，各種工具的支持如Google的Tensorflow，都是首選支持Python的。
但是，與R語言不同，Python語言設計時，并沒有考慮對于矩陣運算，統計計算等功能做專項支持。于是我們需要NumPy庫來補足這一能力上的不足。
NumPy是Python的著名擴展庫，相當于Python中的MATLAB。
Numpy 中，ndarray 類具有六個參數，它們分別為：
如何生成多維數組
初識ndarray多維數組
在算法中我們最經常用到的就是矩陣，我們就從矩陣開始說起吧。
NumPy中，使用二維的多維數組ndarray來存儲矩陣。
例：
a3 = np.array([[1,0],[0,1]])
會生成這樣一個多維數組對象
array([[1, 0], [0, 1]])
生成數組序列
通過開始值、結束值和步長值生成數組序列 - arange
可以通過arange函數來生成指定開始值，結束值和步長值的一維數組。請注意，結束值并不包含在序列中，也就是說結束值是開區間。
In [25]: a4 = np.arange(1,10,1) In [26]: a4 Out[26]: array([1, 2, 3, 4, 5, 6, 7, 8, 9])
線性序列 - linspace
與arange類似，linspace通過給定初值、終值和元素個數來生成序列。是否包含終值可以通過endpoint屬性來設置。
例：
In [37]: a8 = np.linspace(1,10,10,endpoint=True) In [38]: a8 Out[38]: array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])
等比序列 - logspace
除了線性的等差數列，我們也可以通過等比數列的方式來生成一維數組。
默認是以10的n次方為參數，比如logspace(0,4,3)的意思是，初值為10的0次方，即1，終值是10的4次方，即100，一共生成3個值。
例，生成[1,100,10000]
In [47]: a9 = np.logspace(0,4,3) In [48]: a9 Out[48]: array([ 1.00000000e+00, 1.00000000e+02, 1.00000000e+04])
我們當然也可以修改基數，比如改成3：
In [53]: a10 = np.logspace(1,5,3,base=3) In [54]: a10 Out[54]: array([ 3., 27., 243.])
改變多維數組的形狀
如果有一個一維數組要轉為多維數組，可以通過修改shape屬性來實現。
我們可以先將數據存在一維數組中，可以用列表或者元組來生成一維數組，它們是等價的：
例：
In [2]: a1 = np.array([1,2,3,4]) In [3]: a1 Out[3]: array([1, 2, 3, 4]) In [4]: a2 = np.array((1,0,0,1)) In [5]: a2 Out[5]: array([1, 0, 0, 1])
我們通過shape屬性來查看一個數組的形狀：
In [14]: a1.shape Out[14]: (4,) In [15]: a2.shape Out[15]: (4,)
shape屬性是可以直接修改的，比如我們想把上面的a1改成2 x 2的矩陣，就直接改shape值就是了：
In [16]: a1.shape = 2,2 In [17]: a1 Out[17]: array([[1, 2], [3, 4]])
如果能確定一個軸，另一個可以賦-1讓系統自己去算。
例：
In [18]: a2.shape= 2,-1 In [19]: a2 Out[19]: array([[1, 0], [0, 1]])
如果想保持這個數組不變，生成一個形狀改變的新數組，可以調用reshape方法。
例：我們將一個25個元素的數組生成一個5x5的新數組
In [59]: a11 = np.linspace(1,100,25) In [60]: a11 Out[60]: array([ 1. , 5.125, 9.25 , 13.375, 17.5 , 21.625, 25.75 , 29.875, 34. , 38.125, 42.25 , 46.375, 50.5 , 54.625, 58.75 , 62.875, 67. , 71.125, 75.25 , 79.375, 83.5 , 87.625, 91.75 , 95.875, 100. ]) In [61]: a12 = a11.reshape(5,-1) In [62]: a12 Out[62]: array([[ 1. , 5.125, 9.25 , 13.375, 17.5 ], [ 21.625, 25.75 , 29.875, 34. , 38.125], [ 42.25 , 46.375, 50.5 , 54.625, 58.75 ], [ 62.875, 67. , 71.125, 75.25 , 79.375], [ 83.5 , 87.625, 91.75 , 95.875, 100. ]])
直接生成多維數組
生成全0的數組
zeros生成全是0的數組，第一個參數是shape
例：
In [65]: np.zeros((10,10)) Out[65]: array([[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]])
生成全是1的數組
例：
In [66]: np.ones((5,5)) Out[66]: array([[ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.]])
只生成空數組
empty不賦初值，是最快速的方法
例：
In [67]: np.empty((3,3)) Out[67]: array([[ 1. , 2.125, 3.25 ], [ 4.375, 5.5 , 6.625], [ 7.75 , 8.875, 10. ]])
通過函數來生成數組
通過fromfunction函數可以通過一個函數來生成想要的數組。
例，生成九九乘法表：
In [125]: def mul2(x,y): ...: return (x+1)*(y+1) ...: In [126]: np.fromfunction(mul2,(9,9)) Out[126]: array([[ 1., 2., 3., 4., 5., 6., 7., 8., 9.], [ 2., 4., 6., 8., 10., 12., 14., 16., 18.], [ 3., 6., 9., 12., 15., 18., 21., 24., 27.], [ 4., 8., 12., 16., 20., 24., 28., 32., 36.], [ 5., 10., 15., 20., 25., 30., 35., 40., 45.], [ 6., 12., 18., 24., 30., 36., 42., 48., 54.], [ 7., 14., 21., 28., 35., 42., 49., 56., 63.], [ 8., 16., 24., 32., 40., 48., 56., 64., 72.], [ 9., 18., 27., 36., 45., 54., 63., 72., 81.]])
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
