创新互联www.cdcxhl.cn八线动态BGP香港云服务器提供商，新人活动买多久送多久，划算不套路！
小编给大家分享一下python初始化数组的方法，希望大家阅读完这篇文章后大所收获，下面让我们一起去探讨吧！
因为画图中x轴与y轴的数据通常为数组格式的数据，所以先总结一下如何初始化数组：
（1）list得到数组
# 通过array函数传递list对象 L = [1, 2, 3, 4, 5, 6] a = np.array(L)
# 若传递的是多层嵌套的list，将创建多维数组 b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
# 可以通过dtype参数在创建时指定元素类型 d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float) # 如果更改元素类型，可以使用astype安全的转换 f = d.astype(np.int)
（2）使用arange
# 和Python的range类似，arange同样不包括终值；但arange可以生成浮点类型，而range只能是整数类型 # 1为开始值，10为终止值(不包括)，0.5为步长 a = np.arange(1, 10, 0.5)
（3）使用ones、zeros、empty
# np.ones(shape, dtype),生成元素全为1(默认浮点型)的数组
# shape可以为一个整数得到一个一维数组，也可以为(整数1，整数2)的格式得到二维数组，同理可得多维数组
a = np.ones((3, 3), dtype=np.int32)
print("a: \n", a)
# np.zeros(shape, dtype),生成元素全为0(默认浮点型)的数组
# 用法与np.noes()一样
b = np.zeros((3, 3), dtype=np.int32)
print("b: \n", b)
# np.empty(shape, dtype),生成元素为随机数(默认浮点型)的数组
# 用法与np.ones()一样
c = np.empty((3, 4), dtype=np.int32)
print("c: \n", c)
# np.ones()、np.zeros()、np.empty()都具有如下形式复制一个结构一样的数组，但数据类型可选择
np.ones_like(array, dtype=)
np.zeros_like(array, dtype=)
np.empty_like(array, dtype=)（4）等差数列
# linspace函数通过指定起始值、终止值和元素个数来创建等差数组,元素之间是等步长的 # endpoint表示是否包括终止值，默认为True b = np.linspace(1, 10, 10，endpoint=True)
（5）等比数列
# 指定起始值、终止值、元素个数和基数来创建等比数列 # base表示基数，下式创建了一个1到4之间的有10个数的等比数列 d = np.logspace(1, 2, 10, endpoint=True, base=2) # 基数为10，下式创建了一个10到100之间的有10个数的等比数列 d = np.logspace(1, 2, 10, endpoint=True, base=10)
（6）随机数
rand()
# 返回一个服从“0~1”均匀分布的随机数，该随机数在[0, 1)内，也可以返回一个由服从“0~1”均匀分布的随机数组成的数组。 # np.random.rand(d0, d1, …, dn) # 返回一个随机值，随机值在[0, 1)内 In[15]: np.random.rand() Out[15]: 0.9027797355532956 # 返回一个3x3的数组，数组元素在[0, 1)内 In[16]:np.random.rand(3,3) Out[16]: array([[ 0.47507608, 0.64225621, 0.9926529 ], [ 0.95028412, 0.18413813, 0.91879723], [ 0.89995217, 0.42356103, 0.81312942]]) In[17]: np.random.rand(3,3,3) # 返回一个3x3x3的数组 Out[17]: array([[[ 0.30295904, 0.76346848, 0.33125168], [ 0.77845927, 0.75020602, 0.84670385], [ 0.2329741 , 0.65962263, 0.93239286]], [[ 0.24575304, 0.9019242 , 0.62390674], [ 0.43663215, 0.93187574, 0.75302239], [ 0.62658734, 0.01582182, 0.66478944]], [[ 0.22152418, 0.51664503, 0.41196781], [ 0.47723318, 0.19248885, 0.29699868], [ 0.11664651, 0.66718804, 0.39836448]]])
randn()
# 产生标准正态分布随机数或随机数组，用法与rand(d0, d1, …, dn)方法一样 np.random.randn(d0, d1, …, dn)
randint()
# 可以生成随机数，也可以生成多维随机数组 # np.random.randint(low, high=None, size=None, dtype=) # [0,4)之间的随机数 In[7]: np.random.randint(4) Out[7]: 1 # [0,4)之间的一维数组 In[8]: np.random.randint(4,size=4) Out[8]: array([2, 2, 2, 0]) # [4,10)之间的一维数组 In[9]: np.random.randint(4,10,size=6) Out[9]: array([7, 9, 7, 8, 6, 9]) # [4,10)之间的2x2数组 np.random.randint(4,10,size=(2,2),dtype='int32') Out[10]: array([[7, 4],[6, 9]])
uniform()
# 产生[low, high)之间的均匀分布随机数或随机数组，low默认为0.0，high默认为1.0 np.random.uniform(low=0.0, high=1.0, size=None)
normal()
# 产生均值为loc,方差为scale的服从正太分布的随机数或随机数组，loc默认为0，scale默认为1 np.random.normal(loc=0.0, scale=1.0, size=None)
看完了这篇文章，相信你对python初始化数组的方法有了一定的了解，想了解更多相关知识，欢迎关注创新互联-成都网站建设公司行业资讯频道，感谢各位的阅读！