如何初始化数组,python 二维数组初始化

　　因为绘图中X轴和Y轴的数据通常是数组格式，先总结一下如何初始化数组：

　　（1）list得到数组

　　#通过数组函数传递列表对象

　　L=[1，2，3，4，5，6]

　　A=np.array(L)#如果传递一个多级嵌套列表，将创建一个多维数组。

　　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，可以使用类型安全转换。

　　f=d . as type(NP . int)（2）使用arange

　　#类似于Python的范围，arange也不包括最终值；但是，arange可以生成浮点类型，而range只能是整数类型。

　　#1是起始值，10是结束值(不包括)，0.5是步长。

　　A=np.arange(1，10，0.5)相关推荐：《Python基础教程》

　　（3）使用ones、zeros、empty

　　#np.ones(shape，dtype)，它生成一个包含所有1个元素的数组(默认浮点类型)

　　#shape可以获取一个整数的一维数组，或者(integer 1，integer 2)格式的二维数组。类似地，可以获得多维数组。

　　a=np.ones((3，3)，dtype=np.int32)

　　打印( a:\n ，a)

　　#np.zeros(shape，dtype)，它生成一个包含所有0元素的数组(默认浮点类型)

　　#用法与np.noes()相同

　　b=np.zeros((3，3)，dtype=np.int32)

　　打印( b:\n ，b)

　　#np.empty(shape，dtype)，生成一个包含随机数的数组(默认浮点类型)

　　#用法与np.ones()相同

　　c=np.empty((3，4)，dtype=np.int32)

　　打印( c:\n ，c)

　　#np.ones()、np.zeros()和np.empty()都有以下形式复制结构相同的数组，但是数据类型可以选择。

　　np.ones_like(array，dtype=)

　　np.zeros_like(array，dtype=)

　　np.empty_like(数组，类型=)（4）等差数列

　　#linspace函数通过指定起始值、结束值和元素个数创建一个算术数组，元素的步长相等。

　　#endpoint指示是否包括终止值，默认情况下为真。

　　b=np.linspace(1，10，10，endpoint=True)（5）等比数列

　　#指定起始值、终止值、元素数和基数，以创建几何级数。

　　#base表示基数，下面的公式用1到4之间的10个数字创建一个几何级数。

　　（同down）向下的

　　bsp;=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)

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

相关文章阅读