Numpy 初始化数组 - Python

NumPy 是 Python 中用于科学计算的一个基础包，它提供了高性能的多维数组对象以及操作这些数组的工具。在 NumPy 中，数组的维度被称为轴（axes），轴的个数称为秩（rank）。例如，在 3D 空间中，有三个轴，分别是 x，y，z。每个轴上都有一个大小（size），它表示该轴对应数组中的元素数。

在 NumPy 中，我们可以使用多种方式来初始化数组，在本文中，我们将会介绍其中的几种常见方式，以及如何对数组进行修改和转换。

导入 NumPy

在使用 NumPy 之前，我们需要先导入该模块。

import numpy as np

通过上述代码，我们将 numpy 模块导入，并将其别名设置为 np。

初始化数组

从列表或元组中创建数组

我们可以使用 array 函数从列表或元组中创建数组。

a = np.array([1, 2, 3])
print(a)
# 输出：[1 2 3]

b = np.array((4, 5, 6))
print(b)
# 输出：[4 5 6]

使用 arange 函数创建等差数列数组

我们可以使用 arange 函数创建等差数列数组。

c = np.arange(0, 10, 2)
print(c)
# 输出：[0 2 4 6 8]

使用 linspace 函数创建等距数列数组

我们可以使用 linspace 函数创建等距数列数组。

d = np.linspace(0, 1, 5)
print(d)
# 输出：[0.   0.25 0.5  0.75 1.  ]

创建全零或全一数组

我们可以使用 zeros 函数创建全零数组，使用 ones 函数创建全一数组。

e = np.zeros((3, 3))
print(e)
# 输出：
# [[ 0.  0.  0.]
#  [ 0.  0.  0.]
#  [ 0.  0.  0.]]

f = np.ones((2, 2))
print(f)
# 输出：
# [[ 1.  1.]
#  [ 1.  1.]]

创建单位矩阵

单位矩阵又称为恒等矩阵，是指对角线上都为 1，其余元素都为 0 的方阵。在 NumPy 中，可以使用 eye 函数创建单位矩阵。

g = np.eye(4)
print(g)
# 输出：
# [[ 1.  0.  0.  0.]
#  [ 0.  1.  0.  0.]
#  [ 0.  0.  1.  0.]
#  [ 0.  0.  0.  1.]]

数组的修改和转换

修改数组的形状

我们可以使用 reshape 函数来修改数组的形状。

h = np.arange(24)
i = h.reshape((4, 6))
print(i)
# 输出：
# [[ 0  1  2  3  4  5]
#  [ 6  7  8  9 10 11]
#  [12 13 14 15 16 17]
#  [18 19 20 21 22 23]]

数组的翻转

我们可以使用 flip 函数对数组进行翻转。

j = np.array([[1, 2, 3], [4, 5, 6]])
k = np.flip(j, axis=0)
print(k)
# 输出：
# [[4 5 6]
#  [1 2 3]]

数组的转置

我们可以使用 transpose 函数对数组进行转置操作。

l = np.array([[1, 2, 3], [4, 5, 6]])
m = np.transpose(l)
print(m)
# 输出：
# [[1 4]
#  [2 5]
#  [3 6]]

数组的拼接

我们可以使用 concatenate 函数对数组进行拼接操作。

n = np.array([1, 2, 3])
o = np.array([4, 5, 6])
p = np.concatenate((n, o))
print(p)
# 输出：[1 2 3 4 5 6]

结论

在本文中，我们已经介绍了几种常见的初始化数组的方式，以及如何对数组进行修改和转换。这些操作可以帮助我们更加灵活地使用 NumPy 进行科学计算。