当前位置：首页 > news >正文

一周学会Pandas2 Python数据处理与分析-NumPy数组创建

news 来源：原创 2025/6/30 3:41:17

锋哥原创的Pandas2 Python数据处理与分析视频教程：

2025版 Pandas2 Python数据处理与分析视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

NumPy数组创建最常用的方式是直接创建， numpy 可以直接创建或者将 python的其他元素转为 array 对象。下面来看多维数组的创建

import numpy as np

# 创建一维数组
a1 = np.array([0, 1, 2])
print(a1, type(a1))

# 创建二维数组
a2 = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])
print(a2, type(a2))

# 创建三维数组
a3 = np.array([[[0, 1, 2], [3, 4, 5], [6, 7, 8]], [[9, 10, 11], [12, 13, 14], [15, 16, 17]],
               [[18, 19, 20], [21, 22, 23], [24, 25, 26]]])
print(a3, type(a3))

运行输出：

[0 1 2] <class 'numpy.ndarray'>
[[0 1 2]
 [3 4 5]
 [6 7 8]] <class 'numpy.ndarray'>
[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]]

 [[ 9 10 11]
  [12 13 14]
  [15 16 17]]

 [[18 19 20]
  [21 22 23]
  [24 25 26]]] <class 'numpy.ndarray'>

Process finished with exit code 0

除了直接创建多维数组，也可以采用常见的函数进行创建

n1 = np.zeros(10)  # 生成10个浮点型0
n2 = np.ones(8)  # 生成8个浮点型1
n3 = np.empty(9)  # 生成9个随机值，很夸张的随机值
n4 = np.arange(10)  # 生成10个，不包括10，步长1,默认从0开始
n5 = np.ones_like(n4)  # 生成与n4结构一样的1值
n6 = np.zeros_like(n4)  # 生成与n4结构一样的0值
n7 = np.empty_like(n4)  # 生成与n4结构一样的随机值
print(n1)
print(n2)
print(n3)
print(n4)
print(n5)
print(n6)
print(n7)

运行输出：

[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[1. 1. 1. 1. 1. 1. 1. 1.]
[0.00000000e+000 0.00000000e+000 0.00000000e+000 0.00000000e+000
 0.00000000e+000 2.58890398e-321 0.00000000e+000 1.02658998e-300
 1.38258698e-316]
[0 1 2 3 4 5 6 7 8 9]
[1 1 1 1 1 1 1 1 1 1]
[0 0 0 0 0 0 0 0 0 0]
[ 251076211860373504                1631  104709047877107712
                   0      15891387121664                   0
       2933462663846 3202622285013843968                1908
       4853313044480]

还有一些常用的高级用法：

print(np.arange(2, 10, 0.5))  # 从2开始，步长0.5 ，不超过10
print(np.linspace(3, 6, num=5, endpoint=True))  # 从3到6，生成均匀的5个值，包括最终值6
print(np.random.randn(3, 4))  # 返回一个3行4列的随机数组，浮点型
print(np.random.randint(0, 10, size=(3, 4)))  # 返回一个3行4列的随机数组，整型,随机值范围0到9
print(np.random.randint(0, 10, size=(3, 3, 3)))  # 返回一个3维数组，整型,随机值范围0到9

运行输出：

[2.  2.5 3.  3.5 4.  4.5 5.  5.5 6.  6.5 7.  7.5 8.  8.5 9.  9.5]
[3.   3.75 4.5  5.25 6.  ]
[[ 0.74793299 -0.05223858  0.32494228  1.24623639]
 [ 1.09356216 -0.59055563 -1.27056592 -0.12965195]
 [ 0.05077383  1.91432252  0.58686216 -0.85051921]]
[[2 0 5 5]
 [1 3 5 0]
 [1 1 2 8]]
[[[1 5 8]
  [8 9 4]
  [4 3 3]]

 [[9 3 4]
  [9 7 4]
  [5 4 1]]

 [[6 9 4]
  [8 8 8]
  [5 3 9]]]