通过 Numpy 创建各式各样的矩阵¶

参考：http://blog.51cto.com/qianqiansun/1964097

In [34]:

import numpy as np

一、使用系统方法¶

1. arange([start,] stop[, step,][, dtype])¶

根据给定的区间创建连续的值
start 为开始的数值，3 对应 int，3.0 对应 float
stop 为结束的数值
step 为步长
dtype 为格式

In [35]:

np.arange(5)    # 从0开始，不包括stop值

Out[35]:

array([0, 1, 2, 3, 4])

In [36]:

np.arange(5.0)    # float

Out[36]:

array([0., 1., 2., 3., 4.])

In [37]:

np.arange(3, 8)    # with start value, but without stop value

Out[37]:

array([3, 4, 5, 6, 7])

In [38]:

np.arange(1, 15, 3)    # with a specific step

Out[38]:

array([ 1,  4,  7, 10, 13])

2. ones(shape[, dtype, order])¶

生成一个指定shape和dtype的数组，用1填充
shape 可以通过 (2, 3) 样式来输入，此为 2 行 3 列的矩阵
dtype 可以限定数据类型，例如：dtype=int

In [39]:

np.ones((2, 3))    # 二维

Out[39]:

array([[1., 1., 1.],
       [1., 1., 1.]])

In [40]:

np.ones((2, 3), dtype=int)    # 二维整数

Out[40]:

array([[1, 1, 1],
       [1, 1, 1]])

In [41]:

np.ones(5)   # 一维，默认格式

Out[41]:

array([1., 1., 1., 1., 1.])

3. ones_like(a[, dtype, order, subok])¶

和ones的区别就是需要给定一个dnarray模板，新生成的array继承了a的shape和dtype

In [42]:

x = np.arange(6)
x = x.reshape(2, 3)
x

Out[42]:

array([[0, 1, 2],
       [3, 4, 5]])

In [43]:

np.ones_like(x)

Out[43]:

array([[1, 1, 1],
       [1, 1, 1]])

4. zeros(shape[, dtype, order])¶

根据给定的shape，和dtype生成一个由0填充的数组
与上面的 ones 性质类似

In [44]:

np.zeros((3, 3))

Out[44]:

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

In [45]:

np.zeros(8)

Out[45]:

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

5. zeros_like(a[, dtype, order, subok])¶

和zeros的区别就是需要给定一个dnarray模板，新生成的array继承了a的shape和dtype

In [46]:

z = np.arange(9).reshape(3,3)
z

Out[46]:

array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [47]:

np.zeros_like(z)

Out[47]:

array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])

6. full(shape, fill_value[, dtype, order])¶

用指定的值填充数组

In [48]:

np.full((3, 3), 5)

Out[48]:

array([[5, 5, 5],
       [5, 5, 5],
       [5, 5, 5]])

7. full_like(a, fill_value[, dtype, order, subok])¶

根据a模板的shape和dtype生成一个数组，如果指定的填充数不是a的dtype类型，会向下取整，这时候也可以指定新数组的dtype类型。

In [49]:

x = np.arange(6, dtype=np.int)
np.full_like(x, 1)

Out[49]:

array([1, 1, 1, 1, 1, 1])

In [50]:

np.full_like(x, 1.2)    # 取整

Out[50]:

array([1, 1, 1, 1, 1, 1])

In [51]:

np.full_like(x, 2.8)

Out[51]:

array([2, 2, 2, 2, 2, 2])

In [52]:

np.full_like(x, 1.2, dtype=np.float)

Out[52]:

array([1.2, 1.2, 1.2, 1.2, 1.2, 1.2])

In [53]:

np.full_like(x, np.nan, dtype=np.double)

Out[53]:

array([nan, nan, nan, nan, nan, nan])

8. empty(shape[, dtype, order])¶

根据给定的参数创建一个ndarray数组，值用随机数填充

In [54]:

np.empty((2, 2))

Out[54]:

array([[1., 2.],
       [3., 4.]])

In [55]:

np.empty([2, 2])

Out[55]:

array([[1., 2.],
       [3., 4.]])

9. empty_like(a[, dtype, order, subok])¶

和empty不同的是，需要给出一个array的模板，就是a参数，新生成的ndarray继承了a的shape和dtype

In [56]:

a = ([1,2,3],[4,5,6])
a

Out[56]:

([1, 2, 3], [4, 5, 6])

In [57]:

np.empty_like(a)

Out[57]:

array([[-1652807184,         431,           0],
       [          0,           1,         116]])

10. eye(N[, M, k, dtype])¶

生成一个N行M列的数组，K指定一条斜线，这条斜线上的值都是1,数组的其他元素维0

In [58]:

np.eye(5, 5, 1)

Out[58]:

array([[0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.],
       [0., 0., 0., 0., 0.]])

In [59]:

np.eye(5, 5, 3)

Out[59]:

array([[0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.]])

11. identity(n[, dtype])¶

生成一个正方形的数组即N×N类型的数组，且索引万恶哦0的斜线上维1,其他元素维0

In [60]:

np.identity(3)

Out[60]:

array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])