Python21day学习---numpy生成数组的若干方法----day19

​
​

活动地址：CSDN21天学习挑战赛

numpy的数组生成方法是比较多的，大体分为以下几种：

1，生成0和1的整数数组

2，根据现有数据生成数组

3，生成固定范围的数组

4，生成随机数组

现在就以上面的四种方法一一演示。

一，

0和1的整数数组

新建一个8行3列的数据全部是用0填充的二维数组：

import numpy as np
a = np.zeros(shape=(8,3),dtype="f2")
print(a,a.ndim)

结果如下：

[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]] 2

新建一个4行3列的数据全部是用1填充的二维数组：

b = np.ones(shape=(4,3),dtype="f4")
print(b,b.ndim)

结果如下：

[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]] 2

二，现有数组生成nparry

例如，有一个成绩表，该表为list：

score=([[80, 89, 86, 67, 79] ,
[78, 97, 89, 67, 81],
[90, 94, 78, 67, 74] ,
[91, 91, 90, 67, 69] ,
[76, 87, 75, 67, 86],
[70, 79, 84, 67, 84] ,
[94, 92, 93, 67, 64],
[86, 85, 83, 67, 80]])
print(score,type(score))

结果如下：

[[80, 89, 86, 67, 79], [78, 97, 89, 67, 81], [90, 94, 78, 67, 74], [91, 91, 90, 67, 69], [76, 87, 75, 67, 86], [70, 79, 84, 67, 84], [94, 92, 93, 67, 64], [86, 85, 83, 67, 80]] 'list'>

将其转为nparray：

data1 = np.array(score)
print(data1,type(data1))

浅拷贝方式：

data2 = np.asarray(score)
print(data2,type(data2))

深拷贝方式：

data3 = np.copy(score)
print(data3,type(data3))

 三，

生成固定范围的数组（该方法非常常用）

比如，生成0到10之间的100个数字组成的数组：

（1）

data4 = np.linspace(1,10,100)
print(data4,len(data4),data4.dtype)

此数组是等距离的。

（2）

data5 = np.arange(1,10,2)
print(data5)

这里的2是步时，1,10是范围，因此，输出是这样的：

[1 3 5 7 9]

四，

均匀分布的随机数和正太随机数

• 均匀分布的随机数一般是在人工环境下生成，比如，人工种植的花卉的株间距，而在自然界中是基本没有均匀分布的随机数的哦。

例如在-1和1之间生成10000个均匀分布的随机数，这里的均匀是概率学里的均匀，而不是事实均匀。low是包含-1，high是不包含1。划分了1000组画的直方图。

import matplotlib.pyplot as plt
import numpy as np
data6 = np.random.uniform(low=-1,high=1,size=10000)
plt.figure(figsize=(20,8),dpi=8)
plt.hist(data6,1000)
plt.show

结果如下：

0000 [ 0.63476024  0.30805251 -0.00222955 ... -0.97733247  0.56357678
  0.33593682]

 

•  正太分布

什么是正态分布

正态分布是-种概率分布。正态分布是具有两个参数μ和σ的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ是此随机变量的方差，所以正态分布记作N(μ, σ)。

np.random.normal(loc,scale,size) 也就是说，正太随机数需要三个参数，μ参数和σ参数（这个也叫离散度，离散率）和随机数目

例如，以身高1.75为标准，离散度为0.1，随机总数为100000，并绘制直方图，代码如下：

import matplotlib.pyplot as plt
import numpy as np
data7 = np.random.normal(loc=1.75,scale=0.1,size=100000)
plt.figure(figsize=(20,8),dpi=80)
plt.hist(data7,10000)
plt.show
 
print(len(data7),data7)

结果如下：

100000 [1.65619401 1.7484766  1.81523809 ... 1.6623316  1.78668232 1.698971  ]

 可以看到，直方图里的数据确实是以1.75为中轴，两边基本是分布一致。