Python—numpy模块下函数介绍(一)numpy.ones、empty等
NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推。在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量。比如说,二维数组相当于是一个一维数组,而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴(axes),而轴的数量——秩,就是数组的维数。 首先来看看以np.ones为例的英文参数介绍
numpy.ones(shape, dtype=None, order=’C’)
Return a new array of given shape and type, filled with ones. Parameters:
shape : int or sequence of ints
Shape of the new array, e.g., (2, 3) or 2.
dtype : data-type, optional
The desired data-type for the array, e.g., numpy.int8. Default is numpy.float64.
order : {‘C’, ‘F’}, optional
Whether to store multidimensional data in C- or Fortran-contiguous (row- or column-wise) order in memory.
Returns: out : ndarray
Array of ones with the given shape, dtype, and order.
1、empty(shape[, dtype, order])
依据给定形状和类型(shape[, dtype, order])返回一个新的空数组。
参数:shape : 整数或者整型元组定义返回数组的形状;
dtype : 数据类型,可选定义返回数组的类型。
order : {‘C’, ‘F’}, 可选规定返回数组元素在内存的存储顺序:C(C语言)-rowmajor;F(Fortran)column-major。
print('nnp.empty([2,2])生成的array=n{}'.format(np.empty([2,2])))
print('nnp.empty([2,2],dtype=int)生成的array=n{}'.format(np.empty([2,2],dtype=int)))
2、empty_like(a)
依据给定数组(a)的形状和类型返回一个新的空数组
a=np.array([[1.,2.,3.],[4.,5.,6.]])
print('nnp.empty_like(a)生成的array=n{}'.format(np.empty_like(a)))#输出:ndarray与数组a形状和类型一样的数组。
3、eye(N[, M, k, dtype]) 返回一个对角线元素为1,其他元素为0的二维数组。 参数: N : 整数返回数组的行数; M : 整数,可选返回数组的列数。如果不赋值的话,默认等于N; k : 整数, 可选对角线序列号: 0 对应主对角线;,整数对应upper diagonal,负数对应lower diagonal; dtype : dtype, 可选 返回数组的数据类型 I : ndarray (N,M)该数组第k个对角线的元素为1,其他元素为0。
print('nnp.eye(2,dtype=int)生成的array=n{}'.format(np.eye(2,dtype=int)))
print('nnp.eye(3,k=1)生成的array=n{}'.format(np.eye(3,k=1)))
np.eye(2,dtype=int)生成的array=
[[1 0]
[0 1]]
np.eye(3,k=1)生成的array=
[[ 0. 1. 0.]
[ 0. 0. 1.]
[ 0. 0. 0.]]
4、identity(n[, dtype])
返回一个N维单位方阵。 参数: n : 整数返回方阵的行列数; dtype : 数据类型,可选返回方阵的数据类型,默认为float. 返回值:输出: ndarrayn x n 单位方阵。
print('nnp.identity(3)生成的array=n{}'.format(np.identity(3)))
np.identity(3)生成的array=
[[ 1. 0. 0.]
[ 0. 1. 0.]
[ 0. 0. 1.]]
5、zeros(shape[, dtype, order])
依据给定形状和类型(shape[, dtype, order])返回一个新的元素全部为0的数组。 参数: shape:int或者ints元组;定义返回数组的形状,形如:(2, 3)或2。 dtype:数据类型,可选。 返回数组的数据类型,例如:numpy.int8、默认numpy.float64。 order:{‘C’, ‘F’},可选,返回数组为多维时,元素在内存的排列方式是按C语言还是Fortran语言顺序(row- or columnwise)。 输出:ndarray给定形状,数据类型的数组。
print('nnp.zeros(5)生成的array=n{}'.format(np.ones(5)))
print('nnp.zeros((5,),dtype=np.int)生成的array=n{}'.format(np.zeros((5,),dtype=np.int)))
print('nnp.zeros((2,1))生成的array=n{}'.format(np.zeros((2,1))))
S=(2,2)
print('nnp.zeros(S)生成的array=n{}'.format(np.zeros(S)))
print('n np.zeros((2,), dtype=[(’x’, ’i4’), (’y’, ’i4’)])生成的array=n{}'.format( np.zeros((2,), dtype=[('x','i4'), ('y','i4')])))
print(type(np.zeros((2,), dtype=[('x','i4'), ('y','i4')])))
x=np.arange(6)
x=x.reshape((2,3)) #([[0, 1, 2],[3, 4, 5]])
print('nnp.zeros_like(x)生成的array=n{}'.format(np.zeros_like(x)))
y=np.arange(3,dtype=np.float) #([ 0., 1., 2.])
print('nnp.zeros_like(y)生成的array=n{}'.format(np.zeros_like(y)))
np.zeros(5)生成的array=
[ 1. 1. 1. 1. 1.]
np.zeros((5,),dtype=np.int)生成的array=
[0 0 0 0 0]
np.zeros((2,1))生成的array=
[[ 0.]
[ 0.]]
np.zeros(S)生成的array=
[[ 0. 0.]
[ 0. 0.]]
np.zeros((2,), dtype=[(’x’, ’i4’), (’y’, ’i4’)])生成的array=
[(0, 0) (0, 0)]
<class 'numpy.ndarray'>
np.zeros_like(x)生成的array=
[[0 0 0]
[0 0 0]]
np.zeros_like(y)生成的array=
[ 0. 0. 0.]
6、ones(shape[, dtype, order])
依据给定形状和类型(shape[, dtype, order])返回一个新的元素全部为1的数组。相应用法同5.zeros
print('nnp.ones(4)生成的array=n{}'.format(np.ones(4)))
print('nnp.ones((4,),dtype=np.int)生成的array=n{}'.format(np.ones((4,),dtype=np.int)))
print('nnp.ones((2,1))生成的array=n{}'.format(np.ones((2,1))))
S=(2,2)
print('nnp.ones(S)生成的array=n{}'.format(np.ones(S)))
a=np.array([[1,2,3],[4,5,6]])
print('nnp.ones_like(a)生成的array=n{}'.format(np.ones_like(a)))#等同于a.copy().fill(1)
np.ones(4)生成的array=
[ 1. 1. 1. 1.]
np.ones((4,),dtype=np.int)生成的array=
[1 1 1 1]
np.ones((2,1))生成的array=
[[ 1.]
[ 1.]]
np.ones(S)生成的array=
[[ 1. 1.]
[ 1. 1.]]
np.ones_like(a)生成的array=
[[1 1 1]
[1 1 1]]
其他方面数组操作参考连接
- 百度搜索 “Java面试题” 前200页(面试必看)
- C# 给枚举类型增加一个备注特性
- 依赖注入(IOC)二
- Linux Token Auth 一次性密码认证
- WPF备忘录(7)WPF图片资源路径介绍
- 植入式攻击入侵检测解决方案
- 神经网络太臃肿?教你如何将神经网络减小四分之一
- WPF中ListView如何改变选中条背景颜色
- WPF Trigger for IsSelected in a DataTemplate for ListBox items
- C#基础知识回顾--BackgroundWorker介绍
- Elasticsearch 瞬间入门
- 使用OpenLDAP 操作 Windows Active Directory
- 优化算法:到底是数学还是代码?
- Email 服务器之 SPF 记录
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- PHP检查URL包含特定字符串实例方法
- Python使用xlrd实现读取合并单元格
- python模块如何查看
- YII框架页面缓存操作示例
- PHP chunk_split()函数讲解
- Python3爬虫中Ajax的用法
- stripos函数知识点实例分享
- PHP实现字符串大小写转函数的功能实例
- 在django中实现choices字段获取对应字段值
- python语言中有算法吗
- jQuery ajax+PHP实现的级联下拉列表框功能示例
- PHP+mysql防止SQL注入的方法小结
- 浅谈tensorflow 中的图片读取和裁剪方式
- Python实现SMTP邮件发送
- 浅谈多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置