NumPy自动生成数组：arange、linspace、logspace与初始化函数详解

NumPy自动生成数组详解

在NumPy中，自动生成数组是数据处理的基础操作。根据需求不同，可以选择生成等差数列、等比数列或特定初始值的数组。以下将详细介绍几种常用的自动生成数组的方法。

1. 生成等差数列：arange与linspace

np.arange 通过指定开始值、终值和步长来创建一维等差数列数组。需要注意的是，np.arange 生成的结果不包含终值。

>>> np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.arange(0,1,0.1)
array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])
>>>

另一种生成等差数列的方法是 np.linspace，它通过指定起始值、终点值和元素个数来生成数组。np.linspace 的参数 endpoint 默认为 True，表示包含终值；若将 endpoint 设为 False，则表示不包含终值。

>>> np.linspace(0,1,10)
array([ 0.    , 0.11111111, 0.22222222, 0.33333333, 0.44444444,
    0.55555556, 0.66666667, 0.77777778, 0.88888889, 1.    ])
>>> np.linspace(0,1,10,endpoint = False)
array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])

2. 生成等比数列：logspace

np.logspace 用于生成等比数列数组。默认情况下，基数为 10。用户可以通过指定 base 参数来改变基数，例如设置 base=2。

>>> np.logspace(0,4,5)
array([ 1.00000000e+00,  1.00000000e+01,  1.00000000e+02,
     1.00000000e+03,  1.00000000e+04])

>>> np.logspace(0,3,5,base = 2)
array([ 1. , 1.68179283, 2.82842712, 4.75682846, 8. ])

3. 初始化数组：zeros、ones、empty与full

np.zeros 和 np.ones 分别用于创建指定形状和类型的数组，初始值分别为 0 和 1。而 np.empty 只分配内存，不初始化数据，因此速度较快，但内容是不确定的。

>>> np.empty((2,3),np.int32)
array([[ 8078112, 37431728, 8078112],
    [47828800, 47828712,    10]])

np.full 用于生成初始化为指定值的数组。

>>> np.full(4,np.pi)
array([ 3.14159265, 3.14159265, 3.14159265, 3.14159265])
>>> np.full((2,3),np.pi)
array([[ 3.14159265, 3.14159265, 3.14159265],
    [ 3.14159265, 3.14159265, 3.14159265]])

此外，np.zeros_like 和 np.ones_like 分别创建与参数形状相同的数组，初始值分别为 0 和 1。例如，np.zeros_like(a) 等同于 np.zeros(a.shape,dtype=a.type)。

>>> a = np.arange(10).reshape(2,5)
>>> np.zeros_like(a)
array([[0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0]])

4. 从函数生成数组：fromfunction

np.fromfunction 从指定的函数生成数组。第一个参数是函数名称，第二个参数是数组形状。

>>> np.fromfunction(lambda a,b:a == b,(3,3))
array([[ True, False, False],
    [False, True, False],
    [False, False, True]], dtype=bool)
>>> np.fromfunction(lambda i:i%7 +1,(10,))
array([ 1., 2., 3., 4., 5., 6., 7., 1., 2., 3.])

以上就是NumPy自动生成数组的详细内容，更多关于NumPy自动生成数组的资料请关注本站其它相关文章！