1 np.arange(),类似于range，通过指定开始值，终值和步长来创建表示等差数列的一维数组，注意该函数和range一样结果不包含终值。

>>> 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])>>>

2 np.linspace()函数，与上面np.arange不同的是，该函数第三个参数指定的是元素个数，它表示给定起始值和终点值以及元素个数，生成一个一维的等差数列。含有参数endpoint布尔值，默认为True表示包含终值，设定为False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])

3 np.logspace,该函数与np.linspace类似，不过它生成的数组是等比数列，基数默认为10

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

但是基数也可以改变，例如将基数base = 2，如下：

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

上面表示，起点为2^0 = 1，终点为2^3 = 8,一共按照等比数列生成5个点，这样公比q = 2^(3/4)

4. np.zeros(),np.ones(),np.empty()可以创建指定的形状和类型数组，其中np.enpty()只分配数组所使用的内存，不对数据初始化起作用。

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

注意上面创建的2*3的数组并没有被初始化。

>>> np.ones(4)array([ 1., 1., 1., 1.])>>> np.ones((2,3))array([[ 1., 1., 1.], [ 1., 1., 1.]])>>> np.ones(4,dtype = np.bool)array([ True, True, True, True], dtype=bool)>>> np.zeros(4,dtype = np.bool)array([False, False, False, False], dtype=bool)>>> np.zeros(4)array([ 0., 0., 0., 0.])

np.full()函数可以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()，np.ones_like()等函数创建于参数形状相同的数组即np.zeros_like(a)与np.zeros(a.shape,dtype = a.type)相同

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

5 np.fromfunction()，它可以从指定的函数中生成数组，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.])

总结

以上就是本文关于numpy自动生成数组详解的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！