numpy创建array【老鱼学numpy】

在上一篇文章中，我们已经看到了如何通过numpy创建numpy中的数组，这里再重复一下：

import numpy as np
# 数组
a = [[1, 2, 3], [4, 5, 6]]
print("a:", a)

# 矩阵
b = np.array(a)
print("b:", b)

执行后输出为：

a: [[1, 2, 3], [4, 5, 6]]
b: [[1 2 3]
 [4 5 6]]

我们可以看到python中的数组和numpy中的数组在屏幕上输出的一些细微的差异：

numpy中的数组输出中是按照行列排列的，并且元素之后是没有逗号分隔的，这样在屏幕输出上我们就能很容易看矩阵，跟数学中矩阵的书写格式比较接近。

我们也可以在创建numpy数组时通过设置dtype来指定数组中元素的类型，例如：

import numpy as np
# python数组
a = [[1, 2, 3], [4, 5, 6]]
print("a:", a)

# numpy数组
b = np.array(a, dtype=np.float)
print("b:", b)

上面我们就定义了numpy数组元素的类型为float类型，其输出为：

a: [[1, 2, 3], [4, 5, 6]]
b: [[ 1.  2.  3.]
 [ 4.  5.  6.]]

在机器学习中，一般我们定义的元素类型为浮点类型np.float和整型np.int。

全0矩阵

想要输出3行4列全部为0的numpy二维数组：

import numpy as np
a = np.zeros((3,4))
print(a)

输出为：

[[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]]

全1数组

我们也经常会用到全1的数组：

import numpy as np
a = np.ones((3, 4), dtype=np.float)
print(a)

输出为：

[[ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]]

有人可能会注意到定义几行几列的方法，例如(3, 4)，这个是python中的元组类型，本质上就是一个数组，但跟数组不一样的地方是其值是只读的，也就是不可改变元组中元素的值。

生成接近于0的数组

import numpy as np
a = np.empty((3, 4), np.float)
print(a)

输出为：

[[  6.23042070e-307   3.56043053e-307   1.37961641e-306   2.22518251e-306]
 [  1.33511969e-306   1.24610383e-306   1.69118108e-306   8.06632139e-308]
 [  1.20160711e-306   1.69119330e-306   1.29062229e-306   1.29060531e-306]]

np.empty()用于生成接近于0的随机数数组。

生成有序的数列或数组

例如：生成一个从10开始到20结束（不包括结束值），步长为2的数列：

import numpy as np
a = np.arange(10, 20, 2)
print(a)

输出为：

[10 12 14 16 18]

np.arange()还是经常会用到的，看到这个函数，使我联想起python中的range函数，这两者的功能类似，先看个例子：

import numpy as np
# python中创建range对象，然后我们把它转换成list对象并打印出来
a = range(10, 20, 2)
print("python中的range对象：", list(a))

# numpy中的arange函数跟python中的range对象类似
b = np.arange(10, 20, 2)
print("numpy中的arange：", b)

输出为：

python中的range对象： [10, 12, 14, 16, 18]
numpy中的arange： [10 12 14 16 18]

这里arange可以记忆为array中的range函数。

改变数组形状

numpy数组的形状非常重要，也就是几行几列。

在进行数组/矩阵运算中要时刻关注数组/矩阵是什么样的形状，比如数组/矩阵的加法、数组/矩阵的叉乘中对其形状都有相应较严格的规定。

有时为了能够改变数组/矩阵的形状，就需要调用np.reshape()的函数。

例如：

import numpy as np
a = np.arange(12).reshape(3, 4)
print(a)

输出为：

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

生成线段

import numpy as np
a = np.linspace(1, 10, 20)
print(a)

输出为：

[  1.           1.47368421   1.94736842   2.42105263   2.89473684
   3.36842105   3.84210526   4.31578947   4.78947368   5.26315789
   5.73684211   6.21052632   6.68421053   7.15789474   7.63157895
   8.10526316   8.57894737   9.05263158   9.52631579  10.        ]

上述语句生成了从1开始到10，总共有20个数等距的数列。

你可以把它们想象成起始是1，终止是10，总共有20个等距点。