Python的Numpy库的ndarray对象常用构造方法及初始化方法

本文收集Python的Numpy库的ndarray对象常用的构造方法及初始化方法，会不断更新。

1 直接赋值初始化一个ndarray对象
2 浅拷贝与深拷贝
- 2-1 通过"="赋值初始化一个新的ndarray对象(浅拷贝)
- 2-2 通过copy()方法实现深拷贝
3 创建和原矩阵大小一样、通道一样，但是数据类型和原矩阵不一样的全0矩阵
4 通过函数ones()、zeros()创建指定大小和数据类型且元素值全为1或0的二维或多维矩阵
- 4-1 创建元素值全为1的二维矩阵
- 4-2 创建元素值全为0的二通道、三行、四列的三维矩阵
- 4-3 创建元素值全为1的四维矩阵
5 创建指定大小、指定数据类型、数据值按均匀分布生成的整数矩阵
6 创建指定大小、数据值按正态分布(均值为0,标准差为1)生成的矩阵

1 直接赋值初始化一个ndarray对象

示例代码如下：

A = np.array([[1, 2, 3, 4, 5],[6, 7, 8, 9, 10],[11, 12, 13, 14, 15],[16, 17, 18, 19, 20],[21, 22, 23, 24, 25]], dtype='int8')

上面代码中的第二个参数dtype是可选的，如果不填，则系统根据矩阵元素的数据大小来确定。

上面的代码创建的是二维矩阵，我们再看一个创建三维矩阵的例子。

# !/usr/bin/env python
# -*- coding: utf-8 -*-
import numpy as npB = np.array([[[11, 12, 13, 14],[15, 16, 17, 18]],[[19, 20, 21, 22],[23, 24, 25, 26]],[[27, 28, 29, 30],[31, 32, 33, 34]]])

运行结果如下图所示：

从其shape属性可以看出，B矩阵的尺寸为三通道，两行，四列。其内容如下：

2 浅拷贝与深拷贝

2-1 通过"="赋值初始化一个新的ndarray对象(浅拷贝)

示例代码如下：

import numpy as npB = np.array([[[11, 12, 13, 14],[15, 16, 17, 18]],[[19, 20, 21, 22],[23, 24, 25, 26]],[[27, 28, 29, 30],[31, 32, 33, 34]]])C = BC[0, 0, 0] = 100

运行结果如下所示：

从上图的结构中我们可以看到，对于ndarray对象，通过“=”赋值得到的新对象和原对象共用数据存储区，即实现的是浅拷贝，修改其中一个对象的数据值会影响到另一个对象的数据值。

2-2 通过copy()方法实现深拷贝

示例代码如下：

import numpy as npA1 = np.zeros((4, 4), dtype='uint8')# 通过函数copy()实现深拷贝
B1 = A1.copy()B1[1, 1] = 1

运行结果如下：

从运行结果中可以看出，对B1[1, 1]的修改没有影响到A中对应元素的值，所以通过方法cpoy()实现的是深拷贝。

3 创建和原矩阵大小一样、通道一样，但是数据类型和原矩阵不一样的全0矩阵

示例代码如下：

import numpy as npB = np.array([[[11, 12, 13, 14],[15, 16, 17, 18]],[[19, 20, 21, 22],[23, 24, 25, 26]],[[27, 28, 29, 30],[31, 32, 33, 34]]])C = B
C = 0*C
C = C.astype('float32')

运行结果如下：

注意：在2中提到通过“=”赋值得到的新ndarray对象和原对象共享存储空间(浅拷贝)，但由于这里使用了乘法运算符，所以会为结果构建一个新的ndarray对象，并为其分配新的存储空间，所以通过上面代码的一系列操作得到的是深拷贝。

4 通过函数ones()、zeros()创建指定大小和数据类型且元素值全为1或0的二维或多维矩阵

我们可以通过函数ones()、zeros()创建二维或多维矩阵，比如我们可以通过下面这条语句创建二通道、三行、四列的三维矩阵。
示例代码如下：

4-1 创建元素值全为1的二维矩阵

import numpy as npD = np.ones((3, 5), dtype='uint8')

运行结果如下：

4-2 创建元素值全为0的二通道、三行、四列的三维矩阵

import numpy as npD = np.zeros((2, 3, 4), dtype='uint8')

运行结果如下：

从这个结果我们可以看出，第一个索引代表通道数(也称为页数)，第二个索引代表行数，第三个索引代表列数。要特别注意，OpenCV的函数imread()读到的图像数据的三个索引值并不是这个顺序，详情见 https://www.hhai.cc/thread-89-1-1.html

4-3 创建元素值全为1的四维矩阵

D = np.ones((2, 3, 4, 5), dtype='uint8')

5 创建指定大小、指定数据类型、数据值按均匀分布生成的整数矩阵

示例代码如下：

F = np.random.randint(0, 100, (3, 5), dtype='uint8')

运行结果略。

6 创建指定大小、数据值按正态分布(均值为0,标准差为1)生成的矩阵

K = np.random.randn(2, 3)

注意：函数randn()不能设置数据类型，也不能设置正态分布的均值和标准差，其原型如下：

random.randn(d0, d1, ..., dn)

运行结果如下：

从上图我们可以看出，得到的ndarray对象的数据类型为float64。

Python的Numpy库的ndarray对象常用构造方法及初始化方法相关推荐

Python：numpy库中的一些函数简介、使用方法之详细攻略
Python:numpy库中的一些函数简介.使用方法之详细攻略目录 numpy库中的一些函数简介.使用方法 1.np.concatenate() 1.1.函数案例 1.2.函数用法 numpy库中的 ...
Python_Numpy库的ndarray对象的属性有哪些?如何获取它们的值?
Python_Numpy库的ndarray对象的属性有哪些?如何获取它们的值? Python_Numpy库的ndarray对象的常用属性有如下这些: ndim-矩阵的维度: shape-矩阵的形状: ...
numpy库中ndarray切片操作的参数意义
ndarray切片操作的规则总结出来叫做"三帽号规则" 三帽号规则即:[开始索引:结尾索引:步长],并且切片区间是左闭右开的,即"开始索引:结尾索引"表示的区间 ...
python的 numpy库学习总结和介绍(超详细)模块
目录前言 numpy是什么? 一.创建数据容器 1.np.array(),通过传递一个列表,元祖来创建 2.np.zeros(),np.ones(),np.empty(),np.full(),传递对 ...
python 的numpy库中的mean()函数用法介绍
这篇文章主要介绍了python 的numpy库中的mean()函数用法介绍,具有很好对参考价值,希望对大家有所帮助.一起跟随小编过来看看吧 mean() 函数定义: 2 mean()函数功能: 求取均 ...
[转载] Python里面numpy库中zeros()的一些问题
参考链接: Python中的numpy.zeros Python里面numpy库中zeros函数的一些问题定义本文记录了在使用numpy库中的zeros函数时遇到的一些问题定义用法:zeros ...
Python的Numpy库的函数astype()在将大范围数据类型转换为小范围数据类型时并不是做饱和(saturate)操作(附实现饱和操作的方法)
Python的Numpy库的函数astype()在将大范围数据类型转换为小范围数据类型时并不是做饱和(saturate)操作. 关于什么是饱和操作,可以参看博文:https://blog.csdn.n ...
dom对象常用的属性和方法有哪些？
dom对象常用的属性和方法有哪些? 一.总结一句话总结: 1.document属性和方法:document的属性有head,body之类,方法有各种获取element的方法 2.element的属性 ...
JavaScript学习（六十六）—字符串对象常用的属性和方法总结以及数组元素的排序问题
JavaScript学习(六十六)-字符串对象常用的属性和方法总结以及数组元素的排序问题学习内容一.数组去重问题二.二维数组的定义三.二维数组的元素操作四.二维数组的遍历五.关联数组六. ...

Python的Numpy库的ndarray对象常用构造方法及初始化方法

目录

1 直接赋值初始化一个ndarray对象

2 浅拷贝与深拷贝

2-1 通过"="赋值初始化一个新的ndarray对象(浅拷贝)

2-2 通过copy()方法实现深拷贝

3 创建和原矩阵大小一样、通道一样，但是数据类型和原矩阵不一样的全0矩阵

4 通过函数ones()、zeros()创建指定大小和数据类型且元素值全为1或0的二维或多维矩阵

4-1 创建元素值全为1的二维矩阵

4-2 创建元素值全为0的二通道、三行、四列的三维矩阵

4-3 创建元素值全为1的四维矩阵

5 创建指定大小、指定数据类型、数据值按均匀分布生成的整数矩阵

6 创建指定大小、数据值按正态分布(均值为0,标准差为1)生成的矩阵

Python的Numpy库的ndarray对象常用构造方法及初始化方法相关推荐

最新文章

热门文章