NumPy 数组创建基础技术

简介

本实验提供了一份关于如何使用 NumPy 创建数组的分步指南，NumPy 是 Python 中用于数组容器的基础库。你将学习不同的数组创建方法，包括转换 Python 序列、使用 NumPy 内部的数组创建函数、复制和连接现有数组、从磁盘读取数组、从原始字节创建数组以及使用特殊库函数。

注意：你可以在 01-array-creation.ipynb 中编写代码。步骤中省略了一些打印操作，你可以根据需要打印输出。

将 Python 序列转换为 NumPy 数组

要创建 NumPy 数组，你可以转换诸如列表和元组之类的 Python 序列。以下是操作方法：

import numpy as np

## 从列表创建一维数组
a1D = np.array([1, 2, 3, 4])

## 从列表的列表创建二维数组
a2D = np.array([[1, 2], [3, 4]])

## 从嵌套列表创建三维数组
a3D = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

创建数组时，你还可以使用 dtype 参数指定数据类型。在进行数据类型赋值时要小心，以避免溢出或意外结果。

使用 NumPy 内部数组创建函数

NumPy 提供了用于创建数组的内置函数。以下是一些示例：

import numpy as np

## 创建一个值按规律递增的一维数组
arr1D = np.arange(10)

## 创建一个具有特定数据类型的一维数组
arr1D_float = np.arange(2, 10, dtype=float)

## 创建一个具有指定元素数量的一维数组
arr1D_linspace = np.linspace(1., 4., 6)

## 创建一个二维单位矩阵
identity_matrix = np.eye(3)

## 创建一个沿对角线具有给定值的二维数组
diag_matrix = np.diag([1, 2, 3])

## 创建一个范德蒙德矩阵
vander_matrix = np.vander([1, 2, 3, 4], 2)

## 创建一个全零数组
zeros_array = np.zeros((2, 3))

## 创建一个全一数组
ones_array = np.ones((2, 3))

## 创建一个填充随机值的数组
random_array = np.random.default_rng(42).random((2, 3))

复制、连接或修改现有数组

创建数组后，你可以对其进行复制、连接或修改以创建新数组。将数组或其元素赋给新变量时，使用 np.copy 函数创建新数组，而不是创建原始数组的视图。以下是一个示例：

import numpy as np

## 创建一个数组
a = np.array([1, 2, 3, 4])

## 创建该数组前两个元素的视图
b = a[:2]

## 修改视图
b += 1

## 打印原始数组和修改后的视图
print('a =', a, '; b =', b)

要连接数组，可以使用 np.vstack、np.hstack 和 np.block 等函数。以下是使用 np.block 将四个 2x2 数组连接成一个 4x4 数组的示例：

import numpy as np

A = np.ones((2, 2))
B = np.eye(2)
C = np.zeros((2, 2))
D = np.diag((-3, -4))

result = np.block([[A, B], [C, D]])

从磁盘读取数组

你可以以各种格式从磁盘读取数组。对于标准二进制格式，有像用于 HDF5 的 h5py 和用于 FITS 的 Astropy 这样的 Python 库。对于像 CSV 和 TSV 这样的常见 ASCII 格式，你可以使用 np.loadtxt 和 np.genfromtxt 函数。以下是读取 CSV 文件的示例：

import numpy as np

data = np.loadtxt('data.csv', delimiter=',', skiprows=1)

总结

在本实验中，你学习了如何使用 NumPy 创建数组。你学习了不同的方法，包括转换 Python 序列、使用 NumPy 内部数组创建函数、复制和连接现有数组、从磁盘读取数组、从原始字节创建数组以及使用特殊库函数。通过这些技术，你可以有效地创建和操作数组，以用于各种科学和数据分析任务。