numpy生成数组的函数

不念不忘少年蓝@ 2022-05-16 07:36 211阅读 0赞

# 生成数组的函数 #

## arange ##

`arange` 类似于**Python**中的 `range` 函数，只不过返回的不是列表，而是数组：

arange(start, stop=None, step=1, dtype=None)

产生一个在区间 `[start, stop)` 之间，以 `step` 为间隔的数组，如果只输入一个参数，则默认从 `0` 开始，并以这个值为结束：

![70][]

与 `range` 不同， `arange` 允许非整数值输入，产生一个非整型的数组：

![70 1][]

数组的类型默认由参数 `start, stop, step` 来确定，也可以指定：

![70 2][]

由于存在精度问题，使用浮点数可能出现问题：

![70 3][]

`stop` 的值 `2.1` 出现在了数组中，所以使用浮点数的时候需要注意。

## linspace ##

linspace(start, stop, N)

产生 `N` 个等距分布在 `[start, stop]`间的元素组成的数组，包括 `start, stop`。

![70 4][]

## logspace ##

logspace(start, stop, N)

产生 N 个对数等距分布的数组，默认以10为底：

![70 5][]

产生的值为![$\\left\[10^0, 10^\{0.25\},10^\{0.5\},10^\{0.75\},10^1\\right\]$][left_10_0_ 10_0.25_10_0.5_10_0.75_10_1_right]。

## meshgrid ##

有时候需要在二维平面中生成一个网格，这时候可以使用 `meshgrid` 来完成这样的工作：

![70 6][]

`x` 对应网格的第一维，`y` 对应网格的第二维。

import matplotlib.pyplot as plt
    from mpl_toolkits.mplot3d import Axes3D
    from matplotlib import cm
    
    def f(x, y):
        # sinc 函数
        r = np.sqrt(x ** 2 + y ** 2)
        result = np.sin(r) / r
        result[r == 0] = 1.0
        return result
    
    x_ticks = np.linspace(-10, 10, 51)
    y_ticks = np.linspace(-10, 10, 51)
    
    x, y = np.meshgrid(x_ticks, y_ticks)
    
    z = f(x, y)
    
    fig = plt.figure()
    ax = fig.add_subplot(111, projection='3d')
    ax.plot_surface(x, y, z,
                    rstride=1, cstride=1,
                    cmap=cm.YlGnBu_r)
    ax.set_xlabel('x')
    ax.set_ylabel('y')
    ax.set_zlabel('z')

![70 7][]

`meshgrid` 可以设置轴排列的先后顺序：

*  默认为 `indexing='xy'` 即笛卡尔坐标，对于2维数组，返回行向量 `x` 和列向量 `y`
 *  或者使用 `indexing='ij'` 即矩阵坐标，对于2维数组，返回列向量 `x` 和行向量 `y`。

## ogrid , mgrid ##

**Matlab**中有 `meshgrid` 的用法：

meshgrid(-1:.5:1, -1:.5:1)

**Numpy**的 `meshgrid` 并不支持这样的用法，但我们可以使用 `ogrid / mgrid` 来实现类似这样的用法。

`ogrid` 与 `mgrid` 的区别在于：

*  `ogrid` 相当于 `meshgrid(indexing='ij', sparse=True)`
 *  `mgrid` 相当于 `meshgrid(indexing='ij', sparse=False)`

![70 8][]

注意：

*  这里使用的是中括号
 *  **Matlab** 使用的是 `start:step:end` 的表示，**Numpy** 使用的是 `start:end:step` 的表示
 *  这里的结果不包括 `end` 的值

为了包含 `end` 的值，我们可以使用这样的技巧：

![70 9][]

我们在 `step` 的位置传入一个复数 `5j` ，表示我们需要一个 `5` 个值的数组，此时返回值就会包含 `end` 的值。

重复之前的画图：

y, x = np.ogrid[-10:10:51j, -10:10:51j]
    
    z = f(x, y)
    
    fig = plt.figure()
    ax = fig.add_subplot(111, projection='3d')
    ax.plot_surface(x, y, z,
                    rstride=1, cstride=1,
                    cmap=cm.YlGnBu_r)
    ax.set_xlabel('x')
    ax.set_ylabel('y')
    ax.set_zlabel('z')

![70 10][]

这里，我们交换了 `x, y` 输出值的顺序。

## r`_` , c`_` ##

我们可以使用 `r_ / c_` 来产生行向量或者列向量。

使用切片产生：

![70 11][]

复数步长制定数组长度：

![70 12][]

连接多个序列，产生数组：

![70 13][]

列向量：

![70 14][]

## ones , zeros ##

ones(shape, dtype=float64)
    zeros(shape, dtype=float64)

产生一个制定形状的全 `0` 或全 `1` 的数组，还可以制定数组类型：

![70 15][]

## empty ##

empty(shape, dtype=float64, order='C')

也可以使用 `empty` 方法产生一个制定大小的数组（数组所指向的内存未被初始化，所以值随机），再用 `fill` 方法填充：

![70 16][]

## empty`_`like, ones`_`like, zeros`_`like ##

empty_like(a)
    ones_like(a)
    zeros_like(a)

产生一个跟 `a` 大小一样，类型一样的对应数组。

![70 17][]

## identity ##

indentity(n, dtype=float64)

产生一个 `n` 乘 `n` 的单位矩阵：

![70 18][]

[70]: /images/20220516/59c7aa1933d74feb8fb8355352d4386a.png
[70 1]: /images/20220516/40bba4e12b484e9784fd71ce2c7c774a.png
[70 2]: /images/20220516/63480fccbacc4cddb19be56c2fa4a524.png
[70 3]: /images/20220516/2a36bd3ae60d4e4aae8175c0104a5d74.png
[70 4]: /images/20220516/59c486df94af43b78dfe9a18e2ea285a.png
[70 5]: /images/20220516/5b95cf9af4184c8ca80ee0b5f9bcf6c3.png
[left_10_0_ 10_0.25_10_0.5_10_0.75_10_1_right]: https://render.githubusercontent.com/render/math?math=%5Cleft%5B10%5E0%2C%2010%5E%7B0.25%7D%2C10%5E%7B0.5%7D%2C10%5E%7B0.75%7D%2C10%5E1%5Cright%5D&mode=inline
[70 6]: /images/20220516/ca64a988afd04f289cd1166849306a83.png
[70 7]: /images/20220516/2c7885aeaeb4400cadadc5799c246d9f.png
[70 8]: /images/20220516/9e6a6f2d6f8e4fb9a4c19f01ac494756.png
[70 9]: /images/20220516/b0e24a76aaa44f629fa009732af75ff4.png
[70 10]: /images/20220516/5dcbe78448974a0d9eb4bd626faa1e02.png
[70 11]: /images/20220516/61feb8b43d834060bf496a2ade29500d.png
[70 12]: /images/20220516/24c35193a9674312a8c93e58766c9318.png
[70 13]: /images/20220516/30a4078e664d4b8c96694fd6284695de.png
[70 14]: /images/20220516/d6ece360009c42989ec8e208cd35a94b.png
[70 15]: /images/20220516/60624e6291ed4b8c9d2d1d888f38bac6.png
[70 16]: /images/20220516/67dafaf9cc9f407aa344ddb66a725950.png
[70 17]: /images/20220516/7fdd2cda09914ef5af12326bd9be078c.png
[70 18]: /images/20220516/ceade20e7c25478baa57526eb4c47df4.png