Numpy（科学计算包）- 【创建数组 】

ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。

numpy.empty

numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

1. numpy.empty(shape, dtype = float, order = 'C')

复制代码

下面是一个创建空数组的实例：

实例

1. import numpy as np
   
2. x = np.empty([3,2], dtype = int)
   
3. print (x)

复制代码

输出结果为：

1. [[ 6917529027641081856  5764616291768666155]
   
2. [ 6917529027641081859 -5764598754299804209]
   
3. [          4497473538      844429428932120]]

复制代码

注意 − 数组元素为随机值，因为它们未初始化。

numpy.zeros

创建指定大小的数组，数组元素以 0 来填充：

1. numpy.zeros(shape, dtype = float, order = 'C')

复制代码

实例

1. import numpy as np
   
2. 
   
3. # 默认为浮点数
   
4. x = np.zeros(5)
   
5. print(x)
   
6. 
   
7. # 设置类型为整数
   
8. y = np.zeros((5,), dtype = int)
   
9. print(y)
   
10. 
    
11. # 自定义类型
    
12. z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])  
    
13. print(z)

复制代码

输出结果为：

1. [0. 0. 0. 0. 0.]
   
2. [0 0 0 0 0]
   
3. [[(0, 0) (0, 0)]
   
4. [(0, 0) (0, 0)]]

复制代码

numpy.ones

创建指定形状的数组，数组元素以 1 来填充：

1. numpy.ones(shape, dtype = None, order = 'C')

复制代码

实例

1. import numpy as np
   
2. 
   
3. # 默认为浮点数
   
4. x = np.ones(5)
   
5. print(x)
   
6. 
   
7. # 自定义类型
   
8. x = np.ones([2,2], dtype = int)
   
9. print(x)

复制代码

输出结果为：

1. [1. 1. 1. 1. 1.]
   
2. [[1 1]
   
3. [1 1]]

复制代码

numpy.zeros_like

numpy.zeros_like 用于创建一个与给定数组具有相同形状的数组，数组元素以 0 来填充。

numpy.zeros 和 numpy.zeros_like 都是用于创建一个指定形状的数组，其中所有元素都是 0。

它们之间的区别在于：numpy.zeros 可以直接指定要创建的数组的形状，而 numpy.zeros_like 则是创建一个与给定数组具有相同形状的数组。

1. numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)

复制代码

创建一个与 arr 形状相同的，所有元素都为 0 的数组：

实例

1. import numpy as np
   
2. 
   
3. # 创建一个 3x3 的二维数组
   
4. arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
   
5. 
   
6. # 创建一个与 arr 形状相同的，所有元素都为 0 的数组
   
7. zeros_arr = np.zeros_like(arr)
   
8. print(zeros_arr)

复制代码

输出结果为：

1. [[0 0 0]
   
2. [0 0 0]
   
3. [0 0 0]]

复制代码

numpy.ones_like

numpy.ones_like 用于创建一个与给定数组具有相同形状的数组，数组元素以 1 来填充。

numpy.ones 和 numpy.ones_like 都是用于创建一个指定形状的数组，其中所有元素都是 1。

它们之间的区别在于：numpy.ones 可以直接指定要创建的数组的形状，而 numpy.ones_like 则是创建一个与给定数组具有相同形状的数组。

1. numpy.ones_like(a, dtype=None, order='K', subok=True, shape=None)

复制代码

创建一个与 arr 形状相同的，所有元素都为 1 的数组：

实例

1. import numpy as np
   
2. 
   
3. # 创建一个 3x3 的二维数组
   
4. arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
   
5. 
   
6. # 创建一个与 arr 形状相同的，所有元素都为 1 的数组
   
7. ones_arr = np.ones_like(arr)
   
8. print(ones_arr)

复制代码

输出结果为：

1. [[1 1 1]
   
2. [1 1 1]
   
3. [1 1 1]]

复制代码