python怎么初始化数组

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)

相关推荐：《Python基础教程》

（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)