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