NumPy 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： 

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

参数说明：

参数 描述
shape 数组形状
dtype 数据类型，可选
order 有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

下面是一个创建空数组的实例：

实例

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

输出结果为： 

									[[ 6917529027641081856  5764616291768666155]
 [ 6917529027641081859 -5764598754299804209]
 [          4497473538      844429428932120]]

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： 

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

参数说明：

参数 描述
shape 数组形状
dtype 数据类型，可选
order 'C' 用于 C 的行数组，或者 'F' 用于 FORTRAN 的列数组

实例

import numpy as np # 默认为浮点数 x = np . zeros ( 5 ) print ( x ) # 设置类型为整数 y = np . zeros ( ( 5 , ) , dtype = int ) print ( y ) # 自定义类型 z = np . zeros ( ( 2 , 2 ) , dtype = [ ( ' x ' , ' i4 ' ) , ( ' y ' , ' i4 ' ) ] ) print ( z )

输出结果为： 

									[0. 0. 0. 0. 0.]
[0 0 0 0 0]
[[(0, 0) (0, 0)]
 [(0, 0) (0, 0)]]

numpy.ones

创建指定形状的数组，数组元素以 1 来填充： 

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

参数说明：

参数 描述
shape 数组形状
dtype 数据类型，可选
order 'C' 用于 C 的行数组，或者 'F' 用于 FORTRAN 的列数组

实例

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

输出结果为： 

									[1. 1. 1. 1. 1.]
[[1 1]
 [1 1]]

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。 

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

参数说明：

参数 描述
a 给定要创建相同形状的数组
dtype 创建的数组的数据类型
order 数组在内存中的存储顺序，可选值为 'C'（按行优先）或 'F'（按列优先），默认为 'K'（保留输入数组的存储顺序）
subok 是否允许返回子类，如果为 True，则返回一个子类对象，否则返回一个与 a 数组具有相同数据类型和存储顺序的数组
shape 创建的数组的形状，如果不指定，则默认为 a 数组的形状。

创建一个与 arr 形状相同的，所有元素都为 0 的数组：

实例

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

输出结果为： 

										[[0 0 0]
 [0 0 0]
 [0 0 0]]

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。 

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

参数说明：

参数 描述
a 给定要创建相同形状的数组
dtype 创建的数组的数据类型
order 数组在内存中的存储顺序，可选值为 'C'（按行优先）或 'F'（按列优先），默认为 'K'（保留输入数组的存储顺序）
subok 是否允许返回子类，如果为 True，则返回一个子类对象，否则返回一个与 a 数组具有相同数据类型和存储顺序的数组
shape 创建的数组的形状，如果不指定，则默认为 a 数组的形状。

创建一个与 arr 形状相同的，所有元素都为 1 的数组：

实例

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

输出结果为： 

											[[1 1 1]
 [1 1 1]
 [1 1 1]]