numpy学习笔记1：zeros = np.zeros((3, 3)) 详解

numpy学习笔记1：zeros = np.zeros((3, 3)) 详解

np.zeros() 是 NumPy 中用于创建全零数组的核心函数，下面详细解释其用法和参数：

---

1、np.zeros() 语法

numpy.zeros(shape, dtype=float, order='C')

• 作用：生成一个指定形状和数据类型的全零数组。

• 参数：

  • shape：数组的形状，以元组形式传递（如 (3,3) 表示 3 行 3 列的二维数组）。

  • dtype（可选）：数组的数据类型，默认为 float（浮点数）。

  • order（可选）：内存存储顺序，一般无需修改（'C' 表示行优先，'F' 表示列优先）。

---

2、np.zeros() 示例代码

import numpy as np

# 创建一个 3x3 的全零数组，默认数据类型为 float
zeros_array = np.zeros((3, 3))
print(zeros_array)

输出：

[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]

---

3、参数详解

1. 形状参数 shape

• 必须是一个元组，表示数组的维度。

• 单维度数组：(5,) 生成一个长度为 5 的一维数组：

  np.zeros((5,))  # 输出：[0. 0. 0. 0. 0.]

• 高维数组：例如 (2,3,4) 生成一个 2x3x4 的三维数组。

2. 数据类型 dtype

• 默认生成浮点数（float64），可通过 dtype 指定其他类型：

  # 生成整数类型的全零数组
  int_zeros = np.zeros((2, 2), dtype=int)
  print(int_zeros)

  输出：

  [[0 0]
   [0 0]]

3. 存储顺序 order

• 一般保持默认 'C'（行优先存储），适用于大多数场景。'F' 表示列优先（类似 MATLAB）。

---

4、返回数组的属性验证

zeros_array = np.zeros((3, 3))

print("形状（shape）:", zeros_array.shape)  # 输出 (3, 3)
print("数据类型（dtype）:", zeros_array.dtype)  # 输出 float64
print("维度数（ndim）:", zeros_array.ndim)   # 输出 2（二维）
print("元素总数（size）:", zeros_array.size)  # 输出 9

---

5、应用场景

1. 初始化数组：在需要后续填充数据时，先创建全零占位。

   data = np.zeros((100, 100))  # 预分配内存
   data[10:20, 30:40] = 1      # 后续填充数据

2. 算法中的基准值：如迭代计算时初始化参数。

3. 掩模或模板：与其他数组配合使用（如图像处理中的黑底模板）。

---

6、常见问题

Q1：为什么 shape 要用元组？

• 元组能明确区分多维形状。例如 (3,3) 表示二维，而直接写 3,3 可能被误解为多个参数。

Q2：如何生成全零的一维数组？

• 使用 (N,) 的元组形式：

  np.zeros(5)       # 正确，但隐式转为元组 (5,)
  np.zeros((5,))    # 显式推荐写法

Q3：与 np.empty() 的区别？

• np.zeros() 会初始化所有元素为 0，而 np.empty() 只分配内存但不初始化（元素值为内存残留值）。

---

通过 np.zeros()，你可以快速创建任意形状的全零数组，这是科学计算中初始化数据的常用方法！