淺談numpy數(shù)組初始化的幾種方法
1 使用list初始化
a=np.array([[1,2,3],[4,5,6]],dtype='float32') #a=[[1. 2. 3.],[4. 5. 6.]]
2 賦值與復(fù)制
（1）賦值
a=np.array([1,2,3]) b=a print(b is a) #True b[0]=0 print(a) #[0 2 3] print(b) #[0 2 3] print(b is a) #True
在賦值情形下，b 和 a 指向同一塊地址，b 改變，a 也隨著改變 。
a=np.array([1,2,3]) b=a[:2] print(b is a) #False b[0]=0 print(a) #[0 2 3] print(b) #[0 2]
在使用切片時(shí)，切片改變，原數(shù)據(jù)也會(huì)改變。
（2）復(fù)制
a=np.array([1,2,3]) b=a.copy() print(b is a) #False b[0]=0 print(a) #[1 2 3] print(b) #[0 2 3]
在復(fù)制情形下，b和a指向不同地址，b改變，a不會(huì)改變
3 隨機(jī)數(shù)初始化
3.1 區(qū)間內(nèi)隨機(jī)數(shù)
（1）np.random.uniform(low=0.0, high=1.0, size=None)
簡(jiǎn)介：生成 [low,high) 內(nèi)的 size 個(gè)隨機(jī)數(shù)，默認(rèn) [0,1) 之間，size 是 int 型或元組
a=np.random.uniform() #產(chǎn)生[0,1)內(nèi)的1個(gè)隨機(jī)數(shù) #a=0.1973408987805232 b=np.random.uniform(10,20,2) #產(chǎn)生[10,20)內(nèi)的2個(gè)隨機(jī)數(shù) #b=[10.15492129 12.8762581] c=np.random.uniform(1,5,(2,3)) #產(chǎn)生[1,5)內(nèi)2*3個(gè)隨機(jī)數(shù) #c=[[1.89354111 4.01642541 1.63691704],[3.23261205 4.81380553 4.51288251]]
（2）np.random.rand(d0,d1,...,dn)
簡(jiǎn)介：生成 [0,1) 內(nèi)的 d0*d1*...*dn 個(gè)浮點(diǎn)數(shù)，d0,d1,...,dn 表示數(shù)組維度
a=np.random.rand() #產(chǎn)生[0,1)內(nèi)的1個(gè)隨機(jī)數(shù) #a=0.7114622255979923 b=np.random.rand(2) #產(chǎn)生[0,1)內(nèi)的2個(gè)隨機(jī)數(shù) #b=[0.39094731 0.32324018] c=np.random.rand(2,3) #產(chǎn)生[0,1)內(nèi)的2*3個(gè)隨機(jī)數(shù) #c=[[0.30305566 0.70335946 0.71778137],[0.03069973 0.20145633 0.70092122]]
（3）np.random.randint(low, high=None, size=None, dtype=’l’)
簡(jiǎn)介：生成 [low,high) 內(nèi)的 size 個(gè)整型隨機(jī)數(shù)，默認(rèn)1個(gè) [0,low) 內(nèi)的隨機(jī)整數(shù)
a=np.random.randint(10) #產(chǎn)生[0,10)內(nèi)的1個(gè)隨機(jī)整數(shù) #a=6 b=np.random.randint(10,20) #產(chǎn)生[10,20)內(nèi)的1個(gè)隨機(jī)整數(shù) #b=14 c=np.random.randint(1,5,(2,3)) #產(chǎn)生[1,5)內(nèi)的2*3個(gè)隨機(jī)整數(shù) #c=[[4 2 2],[3 2 1]]
3.2 隨機(jī)全排列
（1） np.random.permutation(n)
簡(jiǎn)介：若 n 為 int，生成 0~n-1 的一個(gè)隨機(jī)排列；若 n 為數(shù)組，生成此數(shù)組的一個(gè)隨機(jī)排列
a=np.random.permutation(10) #a=[5 9 6 8 7 4 0 3 1 2] x=np.array([2.2,4.4,6.6,8.8]) b=np.random.permutation(x) #x不變，b隨機(jī) #b=[6.6 2.2 4.4 8.8]
（2）np.random.shuffle(arr)
簡(jiǎn)介：將數(shù)組 arr 隨機(jī)打亂
a=np.array([1,3,5,7,9,0,2,4,6,8]) np.random.shuffle(a) #a=[6 5 9 8 0 3 4 2 1 7]
3.3 隨機(jī)部分排列
np.random.choice(a, size=None, replace=True, p=None)
簡(jiǎn)介：若 a 為 int，從 0~a-1 中隨機(jī)挑選 size 個(gè)數(shù)排列；若 a 為數(shù)組，則從此數(shù)組中隨機(jī)挑選 size 個(gè)數(shù)排列。replace 表示是否允許元素重復(fù)
a=np.random.choice(10,7,replace=False) #a=[2 7 0 1 8 4 3] x=['a','b','c','d','e','f','g','h','i','j'] b=np.random.choice(x,5,replace=False) #b=['b' 'd' 'c' 'i' 'e']
4 全0與全1初始化
a=np.zeros(5,dtype='int32') #a=[0 0 0 0 0] b=np.zeros((2,3),dtype='int32') #b=[[0 0 0],[0 0 0]] c=np.ones(5,dtype='int32') #c=[1 1 1 1 1] d=np.ones((2,3),dtype='int32') #d=[[1 1 1],[1 1 1]]
5 等步長(zhǎng)連續(xù)序列初始化
（1）np.arange(min,max,step=1)
簡(jiǎn)介：生成 [min,max) 之間步長(zhǎng)為 step 的序列，步長(zhǎng)默認(rèn)為1
a=np.arange(2,6) #a=[2 3 4 5] b=np.arange(2,3,0.2) #b=[2. 2.2 2.4 2.6 2.8]
（2）np.linspace(min,max,num=50)
簡(jiǎn)介：生成 [min,max] 之間長(zhǎng)度為num的序列，長(zhǎng)度默認(rèn)為50
a=np.linspace(6,8,5) #a=[6. 6.5 7. 7.5 8.] b=np.linspace(1,99) #b= #[1. 3. 5. 7. 9. 11. 13. 15. 17. 19. 21. 23. 25. 27. 29. 31. 33. 35. # 37. 39. 41. 43. 45. 47. 49. 51. 53. 55. 57. 59. 61. 63. 65. 67. 69. 71. # 73. 75. 77. 79. 81. 83. 85. 87. 89. 91. 93. 95. 97. 99.]
到此這篇關(guān)于淺談numpy數(shù)組初始化的幾種方法的文章就介紹到這了,更多相關(guān)numpy數(shù)組初始化內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
通過實(shí)例簡(jiǎn)單了解Python中yield的作用
這篇文章主要介紹了通過實(shí)例簡(jiǎn)單了解Python中yield的作用,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-12-12
這篇文章主要為大家詳細(xì)介紹了python openCV自制繪畫板，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2020-10-10
本文給大家介紹面向?qū)ο笕刂焕^承Inheritance的相關(guān)知識(shí)，通過示例代碼給大家介紹了繼承、貓類、狗類不用寫代碼，直接繼承了父類的屬性和方法，具體實(shí)現(xiàn)代碼跟隨小編一起看看吧2021-05-05
Python中super()的理解以及應(yīng)用場(chǎng)景實(shí)例
在python中關(guān)于類的定義可以分為兩種:老式類&新式類,在新式類中有這么一種方法super( ),下面這篇文章主要給大家介紹了關(guān)于Python中super()的理解以及應(yīng)用場(chǎng)景的相關(guān)資料,需要的朋友可以參考下2021-09-09
python中的opencv和PIL(pillow)轉(zhuǎn)化操作
這篇文章主要介紹了python中的opencv和PIL(pillow)轉(zhuǎn)化操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-03-03
Python使用Phantomjs截屏網(wǎng)頁的方法
今天小編就為大家分享一篇Python使用Phantomjs截屏網(wǎng)頁的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-05-05
Python中pypdf庫處理PDF文件的詳細(xì)說明和常見用法
這篇文章主要介紹了Python中pypdf庫處理PDF文件的詳細(xì)說明和常見用法,?pypdf是Python庫,用于處理PDF文件,支持讀取、修改、合并、拆分、加密等操作,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下2025-05-05
Python2與Python3的區(qū)別點(diǎn)整理
在本篇文章里小編給大家整理的是關(guān)于Python2與Python3的區(qū)別點(diǎn)整理內(nèi)容，需要的朋友們可以參考下。2019-12-12
python 還原梯度下降算法實(shí)現(xiàn)一維線性回歸
這篇文章主要介紹了python 還原梯度下降算法實(shí)現(xiàn)一維線性回歸，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-10-10
使用Python實(shí)現(xiàn)自動(dòng)填入密碼功能
對(duì)于頻繁使用的軟件,每次都手動(dòng)輸入密碼可能會(huì)顯得繁瑣,所以本文主要為大家詳細(xì)介紹了如何使用Python實(shí)現(xiàn)自動(dòng)填入密碼功能,需要的可以參考下2024-04-04