在 Numpy 中创建空数组、全零数组和全一数组

介绍

数组是 Numpy 库中的一种基础数据结构。在本实验中，我们将学习如何使用 Numpy 库中的 empty、zeroes 和 ones 函数来创建数组。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，可以随时向 Labby 寻求帮助。实验结束后请提供反馈，我们将及时为你解决问题。

Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL numpy(("NumPy")) -.-> numpy/ArrayBasicsGroup(["Array Basics"]) python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) python(("Python")) -.-> python/BasicConceptsGroup(["Basic Concepts"]) python/BasicConceptsGroup -.-> python/variables_data_types("Variables and Data Types") numpy/ArrayBasicsGroup -.-> numpy/multi_array("Multi-dimensional Array Creation") numpy/ArrayBasicsGroup -.-> numpy/data_array("Data to Array") numpy/ArrayBasicsGroup -.-> numpy/shape_dim("Shapes and Dimensions") numpy/ArrayBasicsGroup -.-> numpy/data_type("Data Types") python/ModulesandPackagesGroup -.-> python/importing_modules("Importing Modules") python/ModulesandPackagesGroup -.-> python/using_packages("Using Packages") python/DataScienceandMachineLearningGroup -.-> python/numerical_computing("Numerical Computing") subgraph Lab Skills python/variables_data_types -.-> lab-86395{{"创建空数组、全零数组和全一数组"}} numpy/multi_array -.-> lab-86395{{"创建空数组、全零数组和全一数组"}} numpy/data_array -.-> lab-86395{{"创建空数组、全零数组和全一数组"}} numpy/shape_dim -.-> lab-86395{{"创建空数组、全零数组和全一数组"}} numpy/data_type -.-> lab-86395{{"创建空数组、全零数组和全一数组"}} python/importing_modules -.-> lab-86395{{"创建空数组、全零数组和全一数组"}} python/using_packages -.-> lab-86395{{"创建空数组、全零数组和全一数组"}} python/numerical_computing -.-> lab-86395{{"创建空数组、全零数组和全一数组"}} end

使用 `numpy.empty` 创建空数组

numpy.empty 用于创建一个指定形状和数据类型的未初始化数组。

语法：numpy.empty(shape, dtype, order)

shape：数组的期望形状。
dtype：数组元素的数据类型。默认为 float。
order：数组的存储顺序。默认为 C 风格的行优先（row-major）。设置为 'F' 表示 FORTRAN 风格（列优先顺序）。

代码：

import numpy as np

## 创建一个 4 行 3 列的数组
x = np.empty([4,3], dtype = int)
print(x)

输出：

[[206 0 0]
 [0 0 0]
 [0 0 0]
 [0 0 0]]

使用 `numpy.zeros` 创建零值数组

numpy.zeros 用于创建一个指定形状的数组，并将所有元素初始化为 0。

语法：numpy.zeros(shape, dtype, order)

shape：数组的期望形状。
dtype：数组元素的数据类型。默认为 float。
order：数组的存储顺序。默认为 C 风格的行优先（row-major）。设置为 'F' 表示 FORTRAN 风格（列优先顺序）。

代码：

import numpy as np

## 创建一个 3x3 的数组，所有元素初始化为 0
arr = np.zeros((3,3), dtype = int)
print(arr)

输出：

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

使用 `numpy.ones` 创建全 1 数组

numpy.ones 用于创建一个指定形状的数组，并将所有元素初始化为 1。

语法：numpy.ones(shape, dtype, order)

shape：数组的期望形状。
dtype：数组元素的数据类型。默认为 float。
order：数组的存储顺序。默认为 C 风格的行优先（row-major）。设置为 'F' 表示 FORTRAN 风格（列优先顺序）。

代码：

import numpy as np

## 创建一个 3x3 的数组，所有元素初始化为 1
arr = np.ones((3,3), dtype = int)
print(arr)

输出：

[[1 1 1]
 [1 1 1]
 [1 1 1]]

总结

在本实验中，我们学习了如何使用 Numpy 库中的 empty、zeroes 和 ones 函数创建数组。我们详细介绍了每个函数的语法、参数以及示例。

创建空数组、全零数组和全一数组

介绍

虚拟机使用提示

Skills Graph

使用 numpy.empty 创建空数组

使用 numpy.zeros 创建零值数组

使用 numpy.ones 创建全 1 数组

总结

使用 `numpy.empty` 创建空数组

使用 `numpy.zeros` 创建零值数组

使用 `numpy.ones` 创建全 1 数组