极客笔记如何使用 NumPy 初始化空数组
参考：how to intialize empty array numpy
NumPy 是一个强大的 Python 库，广泛用于数值计算。它提供了一个高性能的多维数组对象，以及用于操作这些数组的工具。在许多情况下，初始化一个空数组是数据处理和数值计算中的第一步。本文将详细介绍如何使用 NumPy 初始化空数组，并提供多个示例代码。
1. 初始化空数组的基本方法
在 NumPy 中，初始化一个空数组通常意味着创建一个具有指定形状和数据类型的数组，但不对数组元素进行初始化。这意味着数组中的元素可能是任意值，取决于内存中的当前状态。
示例代码 1：使用 np.empty
import numpy as np
# 创建一个形状为 (3, 4) 的空数组
empty_array = np.empty((3, 4))
print(empty_array)
Output:
示例代码 2：指定数据类型
import numpy as np
# 创建一个形状为 (2, 2) 的空数组，数据类型为整数
empty_array_int = np.empty((2, 2), dtype=int)
print(empty_array_int)
Output:
2. 使用 np.zeros 创建初始化为零的数组
虽然 np.empty 可以创建空数组，但在很多情况下，我们可能需要数组初始化为零。np.zeros 是另一种常用的初始化数组的方法，它会创建一个所有元素都为零的数组。
示例代码 3：使用 np.zeros
import numpy as np
# 创建一个形状为 (3, 5) 的零数组
zero_array = np.zeros((3, 5))
print(zero_array)
Output:
示例代码 4：指定数据类型
import numpy as np
# 创建一个形状为 (4, 4) 的零数组，数据类型为 float
zero_array_float = np.zeros((4, 4), dtype=float)
print(zero_array_float)
Output:
3. 使用 np.ones 创建初始化为一的数组
与 np.zeros 相似，np.ones 创建一个所有元素都为 1 的数组。
示例代码 5：使用 np.ones
import numpy as np
# 创建一个形状为 (2, 3) 的数组，所有元素都为 1
ones_array = np.ones((2, 3))
print(ones_array)
Output:
示例代码 6：指定数据类型
import numpy as np
# 创建一个形状为 (3, 3) 的数组，所有元素都为 1，数据类型为 int
ones_array_int = np.ones((3, 3), dtype=int)
print(ones_array_int)
Output:
4. 使用 np.full 创建具有指定值的数组
如果你需要一个所有元素都被设置为特定值的数组，可以使用 np.full。
示例代码 7：使用 np.full
import numpy as np
# 创建一个形状为 (3, 2) 的数组，所有元素都设置为 10
full_array = np.full((3, 2), 10)
print(full_array)
Output:
示例代码 8：指定数据类型
import numpy as np
# 创建一个形状为 (2, 2) 的数组，所有元素都设置为 2.5，数据类型为 float
full_array_float = np.full((2, 2), 2.5, dtype=float)
print(full_array_float)
Output:
5. 使用 np.arange 创建数组
np.arange 是 NumPy 中生成数组的另一个有用函数，它返回一个有序数组，类似于 Python 的 range 函数。
示例代码 9：使用 np.arange
import numpy as np
# 创建一个从 0 到 10 的数组
arange_array = np.arange(10)
print(arange_array)
Output:
示例代码 10：指定步长
import numpy as np
# 创建一个从 0 到 10，步长为 2 的数组
arange_array_step = np.arange(0, 10, 2)
print(arange_array_step)
Output:
6. 使用 np.linspace 创建线性间隔的数组
当你需要创建一个线性间隔的数组时，np.linspace 是一个非常有用的函数。它允许你指定数组的开始值、结束值和元素数量。
示例代码 11：使用 np.linspace
import numpy as np
# 创建一个从 0 到 1，包含 5 个元素的数组
linspace_array = np.linspace(0, 1, 5)
print(linspace_array)
Output:
示例代码 12：不包含结束值
import numpy as np
# 创建一个从 0 到 1，包含 5 个元素的数组，不包含结束值
linspace_array_no_end = np.linspace(0, 1, 5, endpoint=False)
print(linspace_array_no_end)
Output:
7. 使用 np.eye 创建单位矩阵
单位矩阵在很多数学计算中都非常有用，np.eye 提供了一种快速创建单位矩阵的方法。
示例代码 13：使用 np.eye
import numpy as np
# 创建一个 3x3 的单位矩阵
eye_matrix = np.eye(3)
print(eye_matrix)
Output:
示例代码 14：指定非对角线的值
import numpy as np
# 创建一个 3x3 的单位矩阵，非对角线上的元素为 1
eye_matrix_k = np.eye(3, k=1)
print(eye_matrix_k)
Output:
8. 使用 np.diag 创建对角矩阵
np.diag 可以从一个现有的数组创建一个对角矩阵，或者从一个对角矩阵中提取对角线元素。
示例代码 15：使用 np.diag
import numpy as np
# 创建一个对角线上有 1, 2, 3 的对角矩阵
diag_matrix = np.diag([1, 2, 3])
print(diag_matrix)
Output:
示例代码 16：提取对角线元素
import numpy as np
# 从一个现有的矩阵中提取对角线元素
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
diag_elements = np.diag(matrix)
print(diag_elements)
Output:
9. 使用 np.meshgrid 创建网格数组
在进行网格相关的计算时，np.meshgrid 是一个非常有用的工具，它可以从一维数组生成网格。
示例代码 17：使用 np.meshgrid
import numpy as np
# 创建 x 和 y 的一维数组
x = np.linspace(-5, 5, 11)
y = np.linspace(-5, 5, 11)
# 生成网格
X, Y = np.meshgrid(x, y)
print(X)
print(Y)
Output:
示例代码 18：计算网格上的函数值
import numpy as np
# 创建 x 和 y 的一维数组
x = np.linspace(-5, 5, 11)
y = np.linspace(-5, 5, 11)
# 生成网格
X, Y = np.meshgrid(x, y)
# 计算网格上的函数值
Z = np.sin(np.sqrt(X**2 + Y**2))
print(Z)
Output:
10. 使用 np.random 创建随机数组
NumPy 提供了一系列的函数来创建随机数组，这些函数都在 np.random 模块中。
示例代码 19：使用 np.random.rand
import numpy as np
# 创建一个形状为 (3, 2) 的随机数组，元素值在 [0, 1) 之间
rand_array = np.random.rand(3, 2)
print(rand_array)
Output:
示例代码 20：使用 np.random.randn
import numpy as np
# 创建一个形状为 (2, 2) 的随机数组，元素值符合标准正态分布
randn_array = np.random.randn(2, 2)
print(randn_array)
Output:
以上就是如何使用 NumPy 初始化空数组的详细介绍，包括了创建空数组、零数组、一数组、指定值数组、有序数组、线性间隔数组、单位矩阵、对角矩阵、网格数组和随机数组等多种情况。