python初始化数组怎么实现【附代码】

今天爱分享给大家带来python初始化数组怎么实现【附代码】，希望能够帮助到大家。
因为画图中x轴与y轴的数据通常为数组格式的数据，所以先总结一下如何初始化数组：

（1）list得到数组

# 通过array函数传递list对象

L = [1, 2, 3, 4, 5, 6]

a = np.array(L)

# 若传递的是多层嵌套的list，将创建多维数组

b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

# 可以通过dtype参数在创建时指定元素类型

d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)

# 如果更改元素类型，可以使用astype安全的转换

f = d.astype(np.int)

（2）使用arange

# 和Python的range类似，arange同样不包括终值；但arange可以生成浮点类型，而range只能是整数类型

# 1为开始值，10为终止值(不包括)，0.5为步长

a = np.arange(1, 10, 0.5)

（3）使用ones、zeros、empty

# np.ones(shape, dtype),生成元素全为1(默认浮点型)的数组

# shape可以为一个整数得到一个一维数组，也可以为(整数1，整数2)的格式得到二维数组，同理可得多维数组

a = np.ones((3, 3), dtype=np.int32)

print("a: \n", a)

    

# np.zeros(shape, dtype),生成元素全为0(默认浮点型)的数组

# 用法与np.noes()一样

b = np.zeros((3, 3), dtype=np.int32)

print("b: \n", b)

    

# np.empty(shape, dtype),生成元素为随机数(默认浮点型)的数组

# 用法与np.ones()一样

c = np.empty((3, 4), dtype=np.int32)

print("c: \n", c)

 

# np.ones()、np.zeros()、np.empty()都具有如下形式复制一个结构一样的数组，但数据类型可选择

np.ones_like(array, dtype=)

np.zeros_like(array, dtype=)

np.empty_like(array, dtype=)

（4）等差数列

# linspace函数通过指定起始值、终止值和元素个数来创建等差数组,元素之间是等步长的

# endpoint表示是否包括终止值，默认为True

b = np.linspace(1, 10, 10，endpoint=True)

（5）等比数列

# 指定起始值、终止值、元素个数和基数来创建等比数列

# base表示基数，下式创建了一个1到4之间的有10个数的等比数列

d = np.logspace(1, 2, 10, endpoint=True, base=2)

# 基数为10，下式创建了一个10到100之间的有10个数的等比数列

d = np.logspace(1, 2, 10, endpoint=True, base=10)

（6）随机数

rand()

# 返回一个服从“0~1”均匀分布的随机数，该随机数在[0, 1)内，也可以返回一个由服从“0~1”均匀分布的随机数组成的数组。

# np.random.rand(d0, d1, …, dn)

# 返回一个随机值，随机值在[0, 1)内

In[15]: np.random.rand()

Out[15]: 0.9027797355532956

# 返回一个3x3的数组，数组元素在[0, 1)内

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)

   

# 返回一个3x3x3的数组

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()

# 产生标准正态分布随机数或随机数组，用法与rand(d0, d1, …, dn)方法一样

np.random.randn(d0, d1, …, dn)

randint()

# 可以生成随机数，也可以生成多维随机数组

# np.random.randint(low, high=None, size=None, dtype=)

# [0,4)之间的随机数

In[7]: np.random.randint(4)

Out[7]: 1

# [0,4)之间的一维数组

In[8]: np.random.randint(4,size=4)

Out[8]: array([2, 2, 2, 0])

# [4,10)之间的一维数组

In[9]: np.random.randint(4,10,size=6)

Out[9]: array([7, 9, 7, 8, 6, 9])

# [4,10)之间的2x2数组

np.random.randint(4,10,size=(2,2),dtype='int32')

Out[10]:

array([[7, 4],[6, 9]])

uniform()

# 产生[low, high)之间的均匀分布随机数或随机数组，low默认为0.0，high默认为1.0

np.random.uniform(low=0.0, high=1.0, size=None)

normal()

# 产生均值为loc,方差为scale的服从正太分布的随机数或随机数组，loc默认为0，scale默认为1

np.random.normal(loc=0.0, scale=1.0, size=None)