Numpy数组创建方式详解
在进行数学运算之前我们首先要创建数组，数组就是数的集合，其中的数按照一定的规则排序。比较常见的是二维数组，二维数组包含了行和列。
Numpy 中创建数组的方式主要有以下两种。
Numpy 中创建数组的方式主要有以下两种。
- 创建元素为 0 或 1 的数组。
- 将已有的数据转换为数组，比如将列表转换为数组。
1. 创建元素为0或1的数组
Numpy 提供了一些方法让我们创建元素全为 1 和 0，或者任意指定的数的数组。其中，empty 方法生成的元素是随机数。In [1]: import numpy as np
1) empty()
empty 方法中传入 shape 参数来指定生成数组的形状，这里我们传入 (3,3) 用来生成一个 3 行 3 列的数组。
In [2]: np.empty(shape=(3,3)) # 创建一个3行3列的数组
Out[2]:
array([[3.45845952e-323, 0.00000000e+000, 0.00000000e+000],
[0.00000000e+000, 0.00000000e+000, 6.54142915e-321],
[4.83245800e+276, 1.69600404e+161, 1.27849494e-152]])
2) eye()
eye 方法可以用来创建一个对角线元素全为 1 的数组，我们可以传入参数3来生成一个 3 行 3 列、对角线元素全为 1、其他元素全为 0 的数组。
In [3]: np.eye(3) # 创建对角线元素全为1的二维数组
Out[3]:
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
3) identity()
identity 方法用来创建单位矩阵，我们可以传入参数 3 来生成一个 3 行 3 列的单位矩阵。
In [4]: np.identity(3) # 创建单位矩阵
Out[4]:
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
4) ones()
ones 方法可以用来生成元素全部为1的数组，参数 shape 用来指定生成数组的形状，比如要生成一个 2 行 4 列的数组，我们就需要传入 (2,4) 作为参数。
In [5]: np.ones(shape=(2,4)) # 创建元素全为1的数组
Out[5]:
array([[1., 1., 1., 1.],
[1., 1., 1., 1.]])
5) zeros()
同样地，还可以生成元素全部为0的数组，这里可以使用 zeros 方法，同样使用 shape 参数指定数组的形状。
In [6]: np.zeros(shape=(4,2)) # 创建元素全为0的数组
Out[6]:
array([[0., 0.],
[0., 0.],
[0., 0.],
[0., 0.]])
6) full()
full 方法是一个通用的方法。与 ones 方法和 zeros 方法不同的是，ones 方法是生成全部为 1 的数组，zeros 方法是生成全部为 0 的数组，而 full 方法则可以通过指定参数 fill_value 来生成指定元素的数组，比如生成一个元素全部为 2 的 3 行 3 列的数组。
In [7]: np.full(shape=(3,3),fill_value=2) # 创建元素全为fill_value的3行3列的数组
Out[7]:
array([[2, 2, 2],
[2, 2, 2],
2. 将列表转换为数组
有些时候，我们得到的数据并不是 Numpy 中数组的形式，此时可以通过 Numpy 中的 array 方法将其他形式的数据转换为 Numpy 中数组的形式，比如可以将 Python 中内置的 list 列表结构转换为数组。示例代码如下。In [1]: import numpy as np
将列表 [1,2,3 ]转换为数组的形式。In [2]: np.array([1,2,3]) # 创建一维数组 Out[2]: array([1, 2, 3])将嵌套列表转换为二维数组。
In [3]: np.array([[1,2,3],
...: [4,5,6]
...: ]) # 创建二维数组
Out[3]:
array([[1, 2, 3],
[4, 5, 6]])
3. 生成一串数字
有些时候，我们需要生成一些连续的数字，Numpy 提供了相应的方法。注意这里我们称“生成一串数字”，而不是“生成一维数组”，因为生成的结果并没有维度的信息。In [1]: import numpy as np
1) arange()
arange 方法类似于 Python 中自带的 range 函数。参数 start 用来指定起始的值，参数 stop 用来指定结束的值，而参数 step 则用来指定步长，比如我们想要生成一个起始值为 1，终止值为 10，步长为 2 数组。In [2]: np.arange(start=1,stop=10,step=2) # 起始值为1，终止值为10，步长为2 Out[2]: array([1, 3, 5, 7, 9])
2) linspace()
linspace 方法也用来生成一个序列，与 arange 方法不同的是，它没有设置步长，而是设置了一个数。参 数 start 用来设置起始的值，参数 stop 用来设置结束的值，参数 num 用来设置一共生成多少个数。比如我们想要生成一个起始值为 1，终止值为 10，总共 5 个数的数组In [3]: np.linspace(start=1,stop=10,num=5) # 起始值为1，终止值为10，总共5个数 Out[3]: array([ 1. , 3.25, 5.5 , 7.75, 10. ])
3) logspace()
logspace 方法类似于 linspace，不过是以 log 为刻度。
In [4]: np.logspace(start=1,stop=10,num=5) # 类似于linspace，但是以log为刻度
Out[4]:
array([1.00000000e+01, 1.77827941e+03, 3.16227766e+05, 5.62341325e+07,
1.00000000e+10])
4. 创建特殊数组
我们还可以生成一些特殊的数组，比如根据对角线元素生成数组，或者提取数组的对角线元素等。In [1]: import numpy as np
1) 对角矩阵数组
diag 方法用来生成对角矩阵。diag方法传入的参数是列表，这个列表是生成数组的对角线元素，其他位置的元素全部为0。
In [2]: np.diag([1,2,3,4]) # 生成对角矩阵
Out[2]:
array([[1, 0, 0, 0],
[0, 2, 0, 0],
[0, 0, 3, 0],
[0, 0, 0, 4]])
diag 方法还可以将数组作为参数传入，这个时候 diag 方法的作用就是提取数组的对角线元素。
In [3]: np.diag([[1,2,3], ...: [4,5,6], ...: [7,8,9]]) # 提取对角线元素 Out[3]: array([1, 5, 9])
2) 三角矩阵数组
tri 方法可以用来生成三角矩阵。第 1 个参数是生成数组的行数，第 2 个参数是生成数组的列数，默认生成下三角矩阵。
In [4]: np.tri(3,5) # 生成三角矩阵
Out[4]:
array([[1., 0., 0., 0., 0.],
[1., 1., 0., 0., 0.],
[1., 1., 1., 0., 0.]])
tril 方法是根据已知的矩阵生成一个三角矩阵。第 1 个参数是一个数组，第 2 个参数是下三角矩阵的相对位置，-1 表示向下移动一个步长。
In [5]: np.tril([[1,2,3],
...: [4,5,6],
...: [7,8,9]],-1)#降位三角矩阵
Out[5]:
array([[0, 0, 0],
[4, 0, 0],
[7, 8, 0]])
triu 方法和 tril 方法是相对的，它是用来生成上三角矩阵的。
In [6]: np.triu([[1,2,3],
...: [4,5,6],
...: [7,8,9]],-1)#升位三角矩阵
Out[6]:
array([[1, 2, 3],
[4, 5, 6],
[0, 8, 9]])
