所有創(chuàng)建數(shù)組的函數(shù)中，都有一個可選參數(shù) dtype ，表示創(chuàng)建的數(shù)組的數(shù)據(jù)類型。

單值數(shù)組

empty生成指定維度的空數(shù)組。

ones , zeros 和 full 生成所有元素都相同的數(shù)組，顧名思義ones和zeros分別是全1和全0的數(shù)組，而full則可以指定其 fill_value ，例如

np.ones(3)              #生成全1的3x1數(shù)組
np.zeros([2,3])         #生成全0的2x3數(shù)組
x = np.full([2,4], 5)   #生成元素均為5的2x4數(shù)組

以 _like 為后綴的函數(shù)，表示生成一個和輸入數(shù)組維度相同的數(shù)組，以ones為例， np.ones_like(x) 等價于 np.ones(x.shape) 。

>>> y = np.full_like(x, 6)

特殊矩陣

eye 和 identity 都是生成對角為1，其他元素為0的矩陣，區(qū)別在于， identity 只能生成單位矩陣，即方陣；而 eye 則可以生成行列數(shù)不同的矩陣。 diagflat 和 diag 用于生成對角矩陣，下面用圖像的方式，來表現(xiàn)這四種對角矩陣

這些矩陣的生成方式就是每個子圖標題中所顯示的，完整的繪圖代碼附在文末。

diag 在 diagflat 基礎(chǔ)上，還可以提取對角元素，例如

>>> np.diag(np.ones([3,3])) #提取對角元素
array([1., 1., 1.])

tri(M,N,k)用于生成M行N列的三角陣，其元素為0或者1，k用于調(diào)節(jié)0和1的分界線相對于對角線的位置，下圖中，紅色表示1，藍色表示0.

tril, triu 可用于提取出矩陣的左下和右上的三角陣，其輸入?yún)?shù)除了待提取矩陣之外，另一個參數(shù)與 tri 中的 k 相同，把x設(shè)為

x = np.arange(20).reshape(4, 5)

則 tril 和 triu 作用在x上的效果分別如下，二者分別把右上角和左下角的值變成了0。

范德蒙德矩陣

范德蒙德矩陣可表示為

np.vander 可通過給定的 α i \alpha_i αi?生成范德蒙德矩陣，例如

x = np.array([1, 2, 3, 5])y = np.vander(x, increasing=True)

其結(jié)果為

數(shù)值范圍

arange是Numpy中使用頻率超高的一個數(shù)組生成器，其輸入?yún)?shù)可以為一個、兩個或者三個，調(diào)用結(jié)果如下圖，其中橫軸表示生成數(shù)組的下標，縱軸表示值

與 arange 作用相似的函數(shù)是 linspace ，其輸入?yún)?shù)為 np.linspace(a,b,num) ，表示在 a , b a,b a,b之間等間隔生成 num 個數(shù)；如果指明 endpoint=False ，則不包含 b b b點。

np.linspace(1,2,5)  # [1.  , 1.25, 1.5 , 1.75, 2.  ]

linspace 和 arange 非常相似，區(qū)別如下

• linspace(a,b,N) 在 [ a , b ] [a,b] [a,b]中間生成N個值
• arange(a,b,delta) 在 [ a , b ) [a,b) [a,b)之間，以 d e l t a delta delta為間隔生成值

logspace 與 linspace 邏輯相似，都是在某個區(qū)間內(nèi)等間隔生成數(shù)組，但 logspace 是對數(shù)意義上的等間隔，其等價于 10**np.linspace 。

print(np.logspace(1,2,5))
# [ 10.  17.7827941   31.6227766   56.23413252 100. ]
print(10**np.linspace(1,2,5))
# [ 10.  17.7827941   31.6227766   56.23413252 100. ]

logspace 中的 base 參數(shù)，可以指定對數(shù)的底，例如

>>> print(np.logspace(1,2,5,base=2))
[2. 2.37841423 2.82842712 3.36358566 4.]

geomspace 同樣是等間隔生成對數(shù)，但和 logspace 的區(qū)別是，同樣在 a,b 區(qū)間內(nèi)生成對數(shù)， logspace 生成范圍是 [ 1 0 a , 1 0 b ] [10^a,10^b] [10a,10b]， geomspace 的范圍則是 [ a , b ] [a,b] [a,b]。

>>> print(np.geomspace(1,2,5))
[1. 1.18920712 1.41421356 1.68179283 2.]

這種區(qū)別可能過于微妙，畫個圖可能理解起來更加容易

對比如下

最后，總結(jié)一下這三個 space 函數(shù)的區(qū)別

• linspace(a,b,N) 在 [ a , b ] [a,b] [a,b]中間生成N個值
• logspace(a,b,N,base=c) 在 [ c a , c b ] [c^a, c^b] [ca,cb]之間等指數(shù)間隔生成N個值
• geomspace(a,b,N,base=c) 在 [ a , b ] [a,b] [a,b]之間，等指數(shù)間隔生成N個值

坐標網(wǎng)格

在三維圖的繪制過程中，一般需要 x , y , z x,y,z x,y,z之間的對應(yīng)關(guān)系，但對于圖像而言，其 x , y x,y x,y軸坐標是體現(xiàn)在像素柵格中的，從而圖像矩陣中的像素強度，其實表示的是 z z z軸的坐標，這種情況下如果想繪制三維散點圖，就需要生成圖像像素對應(yīng)的坐標網(wǎng)格。

在 Numpy 中，最常用的坐標網(wǎng)格生成函數(shù)，就是 meshgrid ，其用法可參考下面的示例

x = [0,1,2,3,4]
y = [0,1,2,3]
xv, yv = np.meshgrid(x, y)

其中

直觀地說，就是對輸入的 x , y x,y x,y變量，分別向 y y y軸和 x x x軸方向進行了擴張。

mgrid 比 meshgrid 更加簡單，可以直接通過魔法函數(shù)生成坐標網(wǎng)格。

>>> xv, yv = np.mgrid[0:2, 2:5]
>>> print(xv)
[[0 0 0]
 [1 1 1]]
>>> print(yv)
[[2 3 4]
 [2 3 4]]

當然，這個維度和步長可以任意選擇，

>>> np.mgrid[1:5]
array([1, 2, 3, 4])
>>> np.mgrid[1:10:5]
array([1, 6])
>>> np.mgrid[1.1:10]
array([1.1, 2.1, 3.1, 4.1, 5.1, 6.1, 7.1, 8.1, 9.1])

如果翻閱源碼，會發(fā)現(xiàn) mgrid 是 MGridClass() 的一個實例， MGridClass 則是 nd_grid 的一個子類，在 nd_grid 中，實現(xiàn)了 __getitem__ 這個魔法函數(shù)，從而達成了 [] 的索引方法。

ogrid 的用法與 mgrid 相同，二者都是 nd_grid 的子類，但生成的數(shù)組不同，直接看案例

>>>x,y = ogrid[0:5,0:5]

其中， x = [ 0 , 1 , 2 , 3 , 4 ] T ，y=[0,1,2,3,4]。

如果想干脆一點，只是生成從0開始的等間隔的坐標網(wǎng)格，那么這里最推薦的是 indices ，這個函數(shù)只需輸入維度，就可以完成網(wǎng)格的創(chuàng)建。

接下來打開一張圖片演示一下

import numpy as np
import matplotlib.pyplot as plt
img = plt.imread('test.jpg')
ax = plt.subplot(projection='3d')
gray = img[:,:,1]
yMat, xMat = np.indices(gray.shape)
ax.plot_surface(xMat, yMat, gray)
ax.axis('off')
plt.show()

效果為

繪圖代碼

對角矩陣

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(figsize=(9,3))
ax = fig.add_subplot(141)
ax.imshow(np.identity(5))
plt.title("np.identity(5)")
ax = fig.add_subplot(142)
ax.imshow(np.eye(5,3))
plt.title("np.eye(5,3)")
ax = fig.add_subplot(143)
ax.imshow(np.diagflat([1,2,3]))
plt.title("np.diagflat([1,2,3])")
ax = fig.add_subplot(144)
ax.imshow(np.diag([1,2,3]))
plt.title("np.diag([1,2,3])")
plt.colorbar()
plt.tight_layout()
plt.show()

tri矩陣

fig = plt.figure(figsize=(9,4))
cmap = plt.get_cmap('jet')
for i in range(6):
    ax = fig.add_subplot(2,3,i+1)
    ax.invert_yaxis()
    ax.pcolor(np.tri(4,6,i), edgecolors='k', cmap=cmap)
    plt.title(f"np.tri(4,6,{i})")
plt.tight_layout()
plt.show()

tril和triu

x = np.arange(20).reshape(4, 5)
fig = plt.figure(figsize=(9,4))
ax = fig.add_subplot(121)
ax.invert_yaxis()
ax.imshow(np.tril(x,-1), cmap=cmap)
plt.title(f"np.tril(x,-1)")
ax = fig.add_subplot(122)
ax.invert_yaxis()
ax.imshow(np.triu(x,-1), cmap=cmap)
plt.title(f"np.triu(x,-1)")
plt.tight_layout()
plt.show()

arange

fig = plt.figure(figsize=(9,3))
ax = fig.add_subplot(131)
plt.stem(np.arange(10))
plt.title("np.arange(10)")
ax = fig.add_subplot(132)
plt.stem(np.arange(3,10))
plt.title("np.arange(3,10)")
ax = fig.add_subplot(133)
plt.stem(np.arange(3,10,2))
plt.title("np.arange(3,10,2)")
plt.tight_layout()
plt.show()

logspace和geospace

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(1,2,20)
y = {"logspace" : np.logspace(1,2,20), 
"geomspace" : np.geomspace(1,2,20)}
fig = plt.figure()
for i,key in zip([1,2],y.keys()):
    ax = fig.add_subplot(1,2,i)
    ax.plot(x,y[key],marker="*")
    ax.set_title(key)
plt.show()

以上就是python使用numpy生成18種特殊數(shù)組的詳細內(nèi)容，更多關(guān)于python numpy生成數(shù)組的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論