当前位置：首页 > news >正文

numpy学习笔记2：ones = np.ones((2, 4)) 的详解

news 来源：原创 2025/5/25 23:37:17

numpy学习笔记2：ones = np.ones((2, 4)) 的详解

np.ones() 是 NumPy 中用于创建全 1 数组的核心函数，其用法和参数与 np.zeros() 类似，但生成的数组元素值全部为 1。以下是详细解释：

1、语法

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

作用：生成一个指定形状和数据类型的全 1 数组。
参数：
- shape：数组的形状，以元组形式传递（如 (2,4) 表示 2 行 4 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、示例代码

import numpy as np

# 创建一个 2x4 的全 1 数组，默认数据类型为 float
ones_array = np.ones((2, 4))
print(ones_array)

输出：

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]]

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。

一维数组：

np.ones(5)       # 输出：[1. 1. 1. 1. 1.]
np.ones((5,))    # 推荐显式写法

高维数组：

# 三维数组（形状为 2x3x4）
np.ones((2, 3, 4))

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 1 数组
int_ones = np.ones((3, 2), dtype=int)
print(int_ones)

输出：

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

3. 存储顺序 `order`

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

ones_array = np.ones((2, 4))

print("形状（shape）:", ones_array.shape)  # 输出 (2, 4)
print("数据类型（dtype）:", ones_array.dtype)  # 输出 float64
print("维度数（ndim）:", ones_array.ndim)   # 输出 2（二维）
print("元素总数（size）:", ones_array.size)  # 输出 8

5、应用场景

初始化基准值：

# 初始化神经网络权重（全 1 作为初始值）
weights = np.ones((10, 5))  # 10 个神经元，5 个输入

模板生成：

# 创建掩模模板（全 1 表示保留区域）
mask = np.ones((100, 100), dtype=bool)
mask[20:80, 20:80] = False  # 中心区域设为 False

数值计算占位：

# 计算单位矩阵（利用全 1 数组）
identity_matrix = np.ones((3, 3)) - np.eye(3)

6、常见问题

Q1：`np.ones()` 和 `np.zeros()` 的区别？

np.ones() 初始化为 1，np.zeros() 初始化为 0。其他参数和用法完全一致。

Q2：如何生成全 1 的布尔数组？

设置 dtype=bool，但注意：1 在布尔类型中会转换为 True。

bool_ones = np.ones((2, 2), dtype=bool)
print(bool_ones)

输出：

[[ True  True]
 [ True  True]]

Q3：为什么 `shape=(2,4)` 生成的是 2 行 4 列？

NumPy 遵循 (行, 列) 的约定，与数学中的矩阵表示一致。

7、对比其他函数

函数	功能	初始化值
`np.ones()`	创建全 1 数组	1
`np.zeros()`	创建全 0 数组	0
`np.empty()`	创建未初始化数组	随机值
`np.full()`	创建全为指定值的数组	自定义值