NumPy 如何生成多维数组的方法

Python现在是最热门的人工智能语言，各种工具的支持如Google的Tensorflow，都是首选支持Python的。

但是，与R语言不同，Python语言设计时，并没有考虑对于矩阵运算，统计计算等功能做专项支持。于是我们需要NumPy库来补足这一能力上的不足。

NumPy是Python的著名扩展库，相当于Python中的MATLAB。

Numpy 中，ndarray 类具有六个参数，它们分别为：

shape：数组的形状。 dtype：数据类型。 buffer：对象暴露缓冲区接口。 offset：数组数据的偏移量。 strides：数据步长。 order：{'C'，'F'}，以行或列为主排列顺序。

如何生成多维数组

初识ndarray多维数组

在算法中我们最经常用到的就是矩阵，我们就从矩阵开始说起吧。
NumPy中，使用二维的多维数组ndarray来存储矩阵。

例：

a3 = np.array([[1,0],[0,1]])

会生成这样一个多维数组对象

array([[1, 0],  [0, 1]])

生成数组序列

通过开始值、结束值和步长值生成数组序列 - arange

可以通过arange函数来生成指定开始值，结束值和步长值的一维数组。请注意，结束值并不包含在序列中，也就是说结束值是开区间。

In [25]: a4 = np.arange(1,10,1)In [26]: a4Out[26]: array([1, 2, 3, 4, 5, 6, 7, 8, 9])

线性序列 - linspace

与arange类似，linspace通过给定初值、终值和元素个数来生成序列。是否包含终值可以通过endpoint属性来设置。

例：

In [37]: a8 = np.linspace(1,10,10,endpoint=True)In [38]: a8Out[38]: array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])

等比序列 - logspace

除了线性的等差数列，我们也可以通过等比数列的方式来生成一维数组。

默认是以10的n次方为参数，比如logspace(0,4,3)的意思是，初值为10的0次方，即1，终值是10的4次方，即100，一共生成3个值。

例，生成[1,100,10000]

In [47]: a9 = np.logspace(0,4,3)In [48]: a9Out[48]: array([ 1.00000000e+00, 1.00000000e+02, 1.00000000e+04])

我们当然也可以修改基数，比如改成3：

In [53]: a10 = np.logspace(1,5,3,base=3)In [54]: a10Out[54]: array([ 3., 27., 243.])

改变多维数组的形状

如果有一个一维数组要转为多维数组，可以通过修改shape属性来实现。

我们可以先将数据存在一维数组中，可以用列表或者元组来生成一维数组，它们是等价的：

例：

In [2]: a1 = np.array([1,2,3,4])In [3]: a1Out[3]: array([1, 2, 3, 4])In [4]: a2 = np.array((1,0,0,1))In [5]: a2Out[5]: array([1, 0, 0, 1])

我们通过shape属性来查看一个数组的形状：