创建Numpy数组的不同方式
创建Numpy数组的不同方式
Numpy库的核心是数组对象或ndarray对象（n维数组）。你将使用Numpy数组执行逻辑，统计和傅里叶变换等运算。作为使用Numpy的一部分，你要做的第一件事就是创建Numpy数组。本指南的主要目的是帮助数据科学爱好者了解可用于创建Numpy数组的不同方式。
创建Numpy数组有三种不同的方法：
使用Numpy内部功能函数
从列表等其他Python的结构进行转换
使用特殊的库函数
使用Numpy内部功能函数
Numpy具有用于创建数组的内置函数。 我们将在本指南中介绍其中一些内容。
创建一个一维的数组
首先，让我们创建一维数组或rank为1的数组。arange是一种广泛使用的函数，用于快速创建数组。将值20传递给arange函数会创建一个值范围为0到19的数组。
import Numpy as np
array = np.arange(20)
array
输出：
array([0, 1, 2, 3, 4,
5, 6, 7, 8, 9,
10, 11, 12, 13, 14,
15, 16, 17, 18, 19])
要验证此数组的维度，请使用shape属性。
array.shape
输出：
(20,)
由于逗号后面没有值，因此这是一维数组。 要访问此数组中的值，请指定非负索引。 与其他编程语言一样，索引从零开始。 因此，要访问数组中的第四个元素，请使用索引3。
array[3]
输出：
3
Numpy的数组是可变的，这意味着你可以在初始化数组后更改数组中元素的值。 使用print函数查看数组的内容。
array[3] = 100
print(array)
输出：
[ 0 1 2 100
4 5 6 7
8 9 10 11
12 13 14 15
16 17 18 19]
与Python列表不同，Numpy数组的内容是同质的。 因此，如果你尝试将字符串值分配给数组中的元素，其数据类型为int，则会出现错误。
array[3] ='Numpy'
输出：
ValueError: invalid literal for int() with base 10: 'Numpy'
创建一个二维数组
我们来谈谈创建一个二维数组。 如果只使用arange函数，它将输出一维数组。 要使其成为二维数组，请使用reshape函数链接其输出。
array = np.arange(20).reshape(4,5)
array
输出：
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
首先，将创建20个整数，然后将数组转换为具有4行和5列的二维数组。 我们来检查一下这个数组的维数。
(4, 5)
由于我们得到两个值，这是一个二维数组。 要访问二维数组中的元素，需要为行和列指定索引。
array[3][4]
输出：
19
创建三维数组及更多维度
要创建三维数组，请为重塑形状函数指定3个参数。
array = np.arange(27).reshape(3,3,3)
array
输出：
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]])
需要注意的是：数组中元素的数量（27）必须是其尺寸（3 * 3 * 3）的乘积。 要交叉检查它是否是三维数组，可以使用shape属性。
array.shape
输出：
(3, 3, 3)
此外，使用arange函数，你可以创建一个在定义的起始值和结束值之间具有特定序列的数组。
np.arange(10, 35, 3)
输出：
array([10, 13, 16, 19, 22, 25, 28, 31, 34])
使用其他Numpy函数
除了arange函数之外，你还可以使用其他有用的函数（如 zeros 和 ones）来快速创建和填充数组。
使用zeros函数创建一个填充零的数组。函数的参数表示行数和列数（或其维数）。
np.zeros((2,4))
输出：
array([[0., 0., 0., 0.],
[0., 0., 0., 0.]])
使用ones函数创建一个填充了1的数组。
np.ones((3,4))
输出：
array([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]])
empty函数创建一个数组。它的初始内容是随机的，取决于内存的状态。
np.empty((2,3))
输出：
array([[0.65670626, 0.52097334, 0.99831087],
[0.07280136, 0.4416958 , 0.06185705]])
full函数创建一个填充给定值的n * n数组。
np.full((2,2), 3)
输出：
array([[3, 3],
[3, 3]])
eye函数可以创建一个n * n矩阵，对角线为1s，其他为0。
np.eye(3,3)
输出：
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
函数linspace在指定的时间间隔内返回均匀间隔的数字。 例如，下面的函数返回0到10之间的四个等间距数字。
np.linspace(0, 10, num=4)
输出：
array([ 0., 3.33333333, 6.66666667, 10.])
从Python列表转换
除了使用Numpy函数之外，你还可以直接从Python列表创建数组。将Python列表传递给数组函数以创建Numpy数组：
array = np.array([4,5,6])
array
输出：
array([4, 5, 6])
你还可以创建Python列表并传递其变量名以创建Numpy数组。
list = [4,5,6]
list
输出：
[4, 5, 6]
array = np.array(list)
array
输出：
array([4, 5, 6])
你可以确认变量array和list分别是Python列表和Numpy数组。
type(list)
list
type(array)
Numpy.ndarray
要创建二维数组，请将一系列列表传递给数组函数。
array = np.array([(1,2,3), (4,5,6)])
array
输出：
array([[1, 2, 3],
[4, 5, 6]])
array.shape
输出：
(2, 3)
使用特殊的库函数
你还可以使用特殊库函数来创建数组。例如，要创建一个填充0到1之间随机值的数组，请使用random函数。这对于需要随机状态才能开始的问题特别有用。
np.random.random((2,2))
输出：
array([[0.1632794 , 0.34567049],
[0.03463241, 0.70687903]])
总结
创建和填充Numpy数组是使用Numpy执行快速数值数组计算的第一步。使用不同的方式创建数组，你现在可以很好地执行基本的数组操作。
