NumPy-Arrays erstellen

Zusätzlich zur Verwendung des zugrunde liegenden ndarray-Konstruktors können ndarray-Arrays auch auf die folgenden Arten erstellt werden.

numpy.empty

Die Methode numpy.empty wird verwendet, um ein nicht initialisiertes Array mit einer angegebenen Form und einem angegebenen Datentyp (dtype) zu erstellen:

numpy.empty(shape, dtype = float, order = 'C')

Parameter description:

Parameter Beschreibung
shape Array-Form
dtype Datentyp, optional
order Es gibt zwei Optionen, "C" und "F", die jeweils die zeilenweise bzw. spaltenweise Reihenfolge angeben, in der Elemente im Computerspeicher gespeichert werden.

Das Folgende ist ein Beispiel für das Erstellen eines leeren Arrays:

Beispiel

import numpy as np x = np.empty([3,2], dtype = int) print (x)

Das Ausgabeergebnis ist:

[[ 6917529027641081856  5764616291768666155]
 [ 6917529027641081859 -5764598754299804209]
 [          4497473538      844429428932120]]

Hinweis− Die Array-Elemente sind Zufallswerte, weil sie nicht initialisiert sind.

numpy.zeros

Erstellen Sie ein Array mit angegebener Größe, dessen Elemente mit 0 gefüllt sind:

numpy.zeros(shape, dtype = float, order = 'C')

Parameter description:

Parameter Beschreibung
shape Array-Form
dtype Datentyp, optional
order 'C' für zeilenweise Arrays im C-Stil oder 'F' für spaltenweise Arrays im FORTRAN-Stil

Beispiel

import numpy as np # Standardmäßig float x = np.zeros(5) print(x) # Typ auf Integer setzen y = np.zeros((5,), dtype = int) print(y) # Benutzerdefinierter Typ z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')]) print(z)

Das Ausgabeergebnis ist:

[0. 0. 0. 0. 0.]
[0 0 0 0 0]
[[(0, 0) (0, 0)]
 [(0, 0) (0, 0)]]

numpy.ones

Erzeuge ein Array mit einer angegebenen Form, bei dem die Array-Elemente mit 1 gefüllt sind:

numpy.ones(shape, dtype = None, order = 'C')

Parameter description:

Parameter Beschreibung
shape Array-Form
dtype Datentyp, optional
order 'C' für zeilenweise Arrays im C-Stil oder 'F' für spaltenweise Arrays im FORTRAN-Stil

Beispiel

import numpy as np # Standardmäßig float x = np.ones(5) print(x) # Benutzerdefinierter Typ x = np.ones([2,2], dtype = int) print(x)

Das Ausgabeergebnis ist:

[1. 1. 1. 1. 1.]
[[1 1]
 [1 1]]

numpy.zeros_like

numpy.zeros_like wird verwendet, um ein Array mit derselben Form wie ein gegebenes Array zu erstellen, bei dem die Array-Elemente mit 0 gefüllt sind.

Sowohl numpy.zeros als auch numpy.zeros_like werden verwendet, um ein Array mit einer angegebenen Form zu erstellen, in dem alle Elemente 0 sind.

Der Unterschied zwischen ihnen besteht darin, dass numpy.zeros die Form des zu erstellenden Arrays direkt angeben kann, während numpy.zeros_like ein Array mit derselben Form wie ein gegebenes Array erstellt.

numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)

Parameter description:

Parameter Beschreibung
a Das gegebene Array, dessen Form abgeglichen werden soll
dtype Der Datentyp des erstellten Arrays
order Die Speicherreihenfolge des Arrays im Speicher. Optionale Werte sind 'C' (zeilenweise) oder 'F' (spaltenweise), wobei der Standard 'K' ist (wodurch die Speicherreihenfolge des Eingabe-Arrays beibehalten wird)
subok Ob Unterklassen zurückgegeben werden dürfen. Wenn True, wird ein Unterklassenobjekt zurückgegeben; andernfalls wird ein Array mit demselben Datentyp und derselben Speicherreihenfolge wie Array a zurückgegeben
shape Die Form des erstellten Arrays. Wenn nicht angegeben, entspricht sie standardmäßig der Form von Array a.

Erstelle ein Array mit derselben Form wie arr, bei dem alle Elemente 0 sind:

Beispiel

import numpy as np # Erstelle ein zweidimensionales 3x3-Array arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # Erstelle ein Array mit derselben Form wie arr, bei dem alle Elemente 0 sind zeros_arr = np.zeros_like(arr) print(zeros_arr)

Das Ausgabeergebnis ist:

[[0 0 0]
 [0 0 0]
 [0 0 0]]

numpy.ones_like

numpy.ones_like wird verwendet, um ein Array mit derselben Form wie ein gegebenes Array zu erstellen, wobei die Array-Elemente mit 1 gefüllt sind.

Sowohl numpy.ones als auch numpy.ones_like werden verwendet, um ein Array mit einer angegebenen Form zu erstellen, in dem alle Elemente 1 sind.

Der Unterschied zwischen ihnen besteht darin, dass numpy.ones die Form des zu erstellenden Arrays direkt angeben kann, während numpy.ones_like ein Array mit derselben Form wie ein gegebenes Array erstellt.

numpy.ones_like(a, dtype=None, order='K', subok=True, shape=None)

Parameter description:

Parameter Beschreibung
a Das gegebene Array, dessen Form abgeglichen werden soll
dtype Der Datentyp des erstellten Arrays
order Die Speicherreihenfolge des Arrays im Speicher. Optionale Werte sind 'C' (zeilenweise) oder 'F' (spaltenweise), wobei der Standard 'K' ist (wodurch die Speicherreihenfolge des Eingabe-Arrays beibehalten wird)
subok Ob Unterklassen zurückgegeben werden dürfen. Wenn True, wird ein Unterklassenobjekt zurückgegeben; andernfalls wird ein Array mit demselben Datentyp und derselben Speicherreihenfolge wie Array a zurückgegeben
shape Die Form des erstellten Arrays. Wenn nicht angegeben, entspricht sie standardmäßig der Form von Array a.

Erstellen Sie ein Array mit derselben Form wie arr, bei dem alle Elemente 1 sind:

Beispiel

import numpy as np # Erstelle ein zweidimensionales 3x3-Array arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # Erstellen Sie ein Array mit derselben Form wie arr, bei dem alle Elemente 1 sind ones_arr = np.ones_like(arr) print(ones_arr)

Das Ausgabeergebnis ist:

[[1 1 1]
 [1 1 1]
 [1 1 1]]
Andere Erweiterungen