python初始化數組的方法

小編給大家分享一下python初始化數組的方法，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

因為畫圖中x軸與y軸的數據通常為數組格式的數據，所以先總結一下如何初始化數組：

（1）list得到數組

# 通過array函數傳遞list對象
L = [1, 2, 3, 4, 5, 6]
a = np.array(L)

# 若傳遞的是多層嵌套的list，將創建多維數組
b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

# 可以通過dtype參數在創建時指定元素類型
d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)
# 如果更改元素類型，可以使用astype安全的轉換
f = d.astype(np.int)

（2）使用arange

# 和Python的range類似，arange同樣不包括終值；但arange可以生成浮點類型，而range只能是整數類型
# 1為開始值，10為終止值(不包括)，0.5為步長
a = np.arange(1, 10, 0.5)

（3）使用ones、zeros、empty

# np.ones(shape, dtype),生成元素全為1(默認浮點型)的數組
# shape可以為一個整數得到一個一維數組，也可以為(整數1，整數2)的格式得到二維數組，同理可得多維數組
a = np.ones((3, 3), dtype=np.int32)
print("a: \n", a)
   
# np.zeros(shape, dtype),生成元素全為0(默認浮點型)的數組
# 用法與np.noes()一樣
b = np.zeros((3, 3), dtype=np.int32)
print("b: \n", b)
   
# np.empty(shape, dtype),生成元素為隨機數(默認浮點型)的數組
# 用法與np.ones()一樣
c = np.empty((3, 4), dtype=np.int32)
print("c: \n", c)

# np.ones()、np.zeros()、np.empty()都具有如下形式復制一個結構一樣的數組，但數據類型可選擇
np.ones_like(array, dtype=)
np.zeros_like(array, dtype=)
np.empty_like(array, dtype=)

（4）等差數列

# linspace函數通過指定起始值、終止值和元素個數來創建等差數組,元素之間是等步長的
# endpoint表示是否包括終止值，默認為True
b = np.linspace(1, 10, 10，endpoint=True)

（5）等比數列

# 指定起始值、終止值、元素個數和基數來創建等比數列
# base表示基數，下式創建了一個1到4之間的有10個數的等比數列
d = np.logspace(1, 2, 10, endpoint=True, base=2)
# 基數為10，下式創建了一個10到100之間的有10個數的等比數列
d = np.logspace(1, 2, 10, endpoint=True, base=10)

（6）隨機數

rand()

# 返回一個服從“0~1”均勻分布的隨機數，該隨機數在[0, 1)內，也可以返回一個由服從“0~1”均勻分布的隨機數組成的數組。
# np.random.rand(d0, d1, …, dn)
# 返回一個隨機值，隨機值在[0, 1)內
In[15]: np.random.rand()
Out[15]: 0.9027797355532956
# 返回一個3x3的數組，數組元素在[0, 1)內
In[16]:np.random.rand(3,3)
Out[16]: 
array([[ 0.47507608,  0.64225621,  0.9926529 ],
    [ 0.95028412,  0.18413813,  0.91879723],
    [ 0.89995217,  0.42356103,  0.81312942]])
In[17]: np.random.rand(3,3,3)
  
# 返回一個3x3x3的數組
Out[17]: 
array([[[ 0.30295904,  0.76346848,  0.33125168],
    [ 0.77845927,  0.75020602,  0.84670385],
    [ 0.2329741 ,  0.65962263,  0.93239286]],
    [[ 0.24575304,  0.9019242 ,  0.62390674],
    [ 0.43663215,  0.93187574,  0.75302239],
    [ 0.62658734,  0.01582182,  0.66478944]],
    [[ 0.22152418,  0.51664503,  0.41196781],
    [ 0.47723318,  0.19248885,  0.29699868],
    [ 0.11664651,  0.66718804,  0.39836448]]])

randn()

# 產生標準正態分布隨機數或隨機數組，用法與rand(d0, d1, …, dn)方法一樣
np.random.randn(d0, d1, …, dn)

randint()

# 可以生成隨機數，也可以生成多維隨機數組
# np.random.randint(low, high=None, size=None, dtype=)
# [0,4)之間的隨機數
In[7]: np.random.randint(4)
Out[7]: 1
# [0,4)之間的一維數組
In[8]: np.random.randint(4,size=4)
Out[8]: array([2, 2, 2, 0])
# [4,10)之間的一維數組
In[9]: np.random.randint(4,10,size=6)
Out[9]: array([7, 9, 7, 8, 6, 9])
# [4,10)之間的2x2數組
np.random.randint(4,10,size=(2,2),dtype='int32')
Out[10]:
array([[7, 4],[6, 9]])

uniform()

# 產生[low, high)之間的均勻分布隨機數或隨機數組，low默認為0.0，high默認為1.0
np.random.uniform(low=0.0, high=1.0, size=None)

normal()

# 產生均值為loc,方差為scale的服從正太分布的隨機數或隨機數組，loc默認為0，scale默認為1
np.random.normal(loc=0.0, scale=1.0, size=None)

看完了這篇文章，相信你對python初始化數組的方法有了一定的了解，想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！