numpy各函数简介之生成数组函数（Array creation routines）

转载自：http://www.cnblogs.com/fortran/archive/2010/09/01/1814773.html

1、empty(shape[, dtype, order])

　　依据给定形状和类型(shape[, dtype, order])返回一个新的空数组。

参数：

shape : 整数或者整型元组

　　定义返回数组的形状；

dtype : 数据类型，可选

　　定义返回数组的类型。

order : {‘C’, ‘F’}, 可选

　　规定返回数组元素在内存的存储顺序：C（C语言）-row-major；F（Fortran）column-major。

>>> np.empty([2, 2])array([[ -9.74499359e+001, 6.69583040e-309],[ 2.13182611e-314, 3.06959433e-309]])    #random>>> np.empty([2, 2], dtype=int)array([[-1073741821, -1067949133],[ 496041986, 19249760]])    #random

2、empty_like(a)

　　依据给定数组(a)的形状和类型返回一个新的空数组。

参数：

a：数组

其形状和类型用来规定返回函数的形状和类型。

返回值：

输出：ndarray

与数组a形状和类型一样的数组。

>>> a = np.array([[1., 2., 3.],[4.,5.,6.]])>>> np.empty_like(a)array([[ -2.00000715e+000, 1.48219694e-323, -2.00000572e+000], #random[ 4.38791518e-305, -2.00000715e+000, 4.17269252e-309]])

3、eye(N[, M, k, dtype])

　　返回一个对角线元素为1，其他元素为0的二维数组。

参数：

N : 整数

返回数组的行数；

M : 整数，可选

返回数组的列数。如果不赋值的话，默认等于N；

k : 整数, 可选

对角线序列号: 0 对应主对角线；,整数对应upper diagonal,负数对应lower diagonal；

dtype : dtype, 可选

返回数组的数据类型

返回值：

I : ndarray (N,M)

该数组第k个对角线的元素为1，其他元素为0。

>>> np.eye(2, dtype=int)array([[1, 0],[0, 1]])>>> np.eye(3, k=1)array([[ 0., 1., 0.],[ 0., 0., 1.],[ 0., 0., 0.]])

4、identity(n[, dtype])

　　返回一个N维单位方阵。

参数：

n : 整数

返回方阵的行列数；

dtype : 数据类型，可选

返回方阵的数据类型，默认为float.

返回值：

输出: ndarray

n x n 单位方阵。

>>> np.identity(3)array([[ 1., 0., 0.],[ 0., 1., 0.],[ 0., 0., 1.]])

5、ones(shape[, dtype, order])

　　依据给定形状和类型(shape[, dtype, order])返回一个新的元素全部为1的数组。

参数设置请参考zeros。

>>> np.ones(5)array([ 1., 1., 1., 1., 1.])>>> np.ones((5,), dtype=np.int)array([1, 1, 1, 1, 1])>>> np.ones((2, 1))array([[ 1.],[ 1.]])>>> s = (2,2)>>> np.ones(s)array([[ 1., 1.],[ 1., 1.]])

6、ones_like()

　　依据给定数组(a)的形状和类型返回一个新的元素全部为1的数组。

等同于a.copy().fill(1)，具体使用请参考zeros_like的文档。

>>> a = np.array([[1, 2, 3], [4, 5, 6]])>>> np.ones_like(a)array([[1, 1, 1],[1, 1, 1]])

7、zeros(shape[, dtype, order])

　　依据给定形状和类型(shape[, dtype, order])返回一个新的元素全部为0的数组。

参数：

shape：int或者ints元组；

定义返回数组的形状，形如：(2, 3)或2。

dtype：数据类型，可选。

返回数组的数据类型，例如：numpy.int8、默认为numpy.float64。

order:{‘C’, ‘F’},可选,返回数组为多维时，元素在内存的排列方式是按C语言还是Fortran语言顺序(row- or columnwise)。

输出：ndarray

给定形状，数据类型的数组。

>>> np.zeros(5)array([ 0., 0., 0., 0., 0.])>>> np.zeros((5,), dtype=numpy.int)array([0, 0, 0, 0, 0])>>> np.zeros((2, 1))array([[ 0.],[ 0.]])>>> s = (2,2)>>> np.zeros(s)array([[ 0., 0.],[ 0., 0.]])>>> np.zeros((2,), dtype=[(’x’, ’i4’), (’y’, ’i4’)]) # custom dtypearray([(0, 0), (0, 0)],dtype=[(’x’, ’<i4’), (’y’, ’<i4’)])

8、zeros_like(a)

　　依据给定数组(a)的形状和类型返回一个新的元素全部为1的数组。

等同于a.copy().fill(0)。

参数：

a : array_like

输出：ndarray

与a数组形状类型一致的0数组。

>>> x = np.arange(6)>>> x = x.reshape((2, 3))>>> xarray([[0, 1, 2],[3, 4, 5]])>>> np.zeros_like(x)array([[0, 0, 0],[0, 0, 0]])>>> y = np.arange(3, dtype=np.float)>>> yarray([ 0., 1., 2.])>>> np.zeros_like(y)array([ 0., 0., 0.])

9. Generate a 2 x 4 array of ints between 0 and 4, inclusive:

>>> np.random.randint(5, size=(2, 4))array([[4, 0, 2, 1],       [3, 2, 2, 0]])

10.
data[i,:,:,:] = [arr[:,:,0],arr[:,:,1],arr[:,:,2]] #四维数组，表示 第i张图片，通道数，宽度，高度
(X_train,X_val) = (data[0:30000],data[30000:]) #X_train为30000张之前的图片，即0-30000张，X_val为30000张之后的图片，即剩余的图片；
(Y_train,Y_val) = (label[0:30000],label[30000:])

11. 一维 数组与列向量表示的区别
import numpy as np
#一维数组
n=np.random.rand(8)
print(n.shape)

---(8L, ) #表示一维数组，这与列向量（8L, 1L）不同
print(n)
--[ 0.68972635  0.86583492  0.48284636  0.00238456  0.34048265  0.27130601  0.84903173  0.74459052]

#列向量
import numpy as np
n=np.random.rand(8, 1)
print(n.shape)
--- （8L, 1L）
print(n)
---[[ 0.75962757]
 [ 0.16780667]
 [ 0.17308773]
 [ 0.3744512 ]
 [ 0.55398084]
 [ 0.19677841]
 [ 0.25178717]
 [ 0.08120177]]

11.

Examples

>>>

>>> np.random.randint(2, size=10)array([1, 0, 0, 0, 1, 1, 0, 0, 1, 0])>>> np.random.randint(1, size=10)array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

Generate a 2 x 4 array of ints between 0 and 4, inclusive:

>>>

>>> np.random.randint(5, size=(2, 4))array([[4, 0, 2, 1],       [3, 2, 2, 0]])