数组创建方法

NumPy 的核心是 ndarray，它是 Python 列表中用于数值数据的快速且内存高效的替代品。NumPy 提供了一系列功能丰富的函数，用于以各种方式生成这些数组，以满足数据分析和机器学习中的不同需求。

从现有 Python 数据创建数组

创建 NumPy 数组最直接的方法是使用 np.array() 函数，转换现有的 Python 序列型对象，例如列表或元组。

import numpy as np

# 从 Python 列表创建一维数组
list_data = [1, 2, 3, 4, 5]
arr1d = np.array(list_data)
print(arr1d)
# Output: [1 2 3 4 5]
print(arr1d.dtype) # 检查数据类型
# Output: int64 (or int32 depending on your system)

# 从列表的列表创建二维数组
nested_list = [[1, 2, 3], [4, 5, 6]]
arr2d = np.array(nested_list)
print(arr2d)
# Output:
# [[1 2 3]
#  [4 5 6]]
print(arr2d.shape) # 检查维度（行，列）
# Output: (2, 3)

NumPy 在创建数组时，会尝试推断最合适的数据类型 (dtype)。但是，您可以使用 dtype 参数明确指定数据类型。这对于控制内存使用和数值精度很重要。

# 指定浮点数据类型
arr_float = np.array([1, 2, 3], dtype=np.float64)
print(arr_float)
# Output: [1. 2. 3.]
print(arr_float.dtype)
# Output: float64

# 指定布尔数据类型
arr_bool = np.array([0, 1, 2, 0, 3], dtype=bool)
print(arr_bool)
# Output: [False  True  True False  True]
print(arr_bool.dtype)
# Output: bool

请记住，NumPy 数组是同质的；所有元素必须是相同的数据类型。如果您提供混合类型的数据（例如，整数和浮点数），NumPy 会将它们向上转换（upcast）为可以容纳所有元素的最通用类型（通常是浮点型或对象型）。

创建带占位符的数组

通常，您需要创建特定大小和形状的数组，但尚未确定最终值，也许是作为稍后填充的占位符。NumPy 为此提供了几个函数：

• np.zeros(): 创建一个完全由零填充的数组。
• np.ones(): 创建一个完全由一填充的数组。
• np.full(): 创建一个填充有指定常数值的数组。
• np.empty(): 创建一个初始内容是随机的数组，其值取决于内存状态。它比 zeros 或 ones 稍快，因为它避免了填充数组，但您在使用它之前必须明确地为每个元素赋值。

所有这些函数都接受一个 shape 参数，通常是一个指定数组维度的元组（例如，2D 数组的 (行, 列)），以及一个可选的 dtype 参数。

# 创建一个 3x4 的零数组（默认为 float64）
zeros_arr = np.zeros((3, 4))
print(zeros_arr)
# Output:
# [[0. 0. 0. 0.]
#  [0. 0. 0. 0.]
#  [0. 0. 0. 0.]]

# 创建一个包含 5 个整数类型的一维数组
ones_arr = np.ones(5, dtype=np.int32)
print(ones_arr)
# Output: [1 1 1 1 1]

# 创建一个填充值为 99 的 2x2 数组
full_arr = np.full((2, 2), 99)
print(full_arr)
# Output:
# [[99 99]
#  [99 99]]

# 创建一个未初始化的 2x3 数组
empty_arr = np.empty((2, 3))
print(empty_arr) # 值将是任意的
# Output（示例，会因系统而异）：
# [[6.95190771e-310 6.95190771e-310 6.95190771e-310]
#  [6.95190771e-310 0.00000000e+000 0.00000000e+000]]

这些函数在机器学习中经常使用，例如，在训练模型之前初始化权重矩阵或创建结果数组。

创建序列数组

NumPy 提供了类似于 Python 内置 range 函数的函数，但设计用于直接生成 NumPy 数组：

• np.arange(): 返回给定区间内均匀分布的值。它接受 start、stop 和 step 参数，类似于 range。请注意，stop 值是不包含在内的。
• np.linspace(): 在指定区间内返回均匀分布的数字。它接受 start、stop 和 num（要生成的样本数）参数。重要的是，stop 值默认是包含在内的。

# 一个从 0 到 10（不包括 10）的数组
arr_range = np.arange(10)
print(arr_range)
# Output: [0 1 2 3 4 5 6 7 8 9]

# 一个从 2 到 10（不包括 10），步长为 2 的数组
arr_range_step = np.arange(2, 10, 2)
print(arr_range_step)
# Output: [2 4 6 8]

# 0 到 1 之间（包括 1）的 5 个均匀分布的值
arr_linspace = np.linspace(0, 1, 5)
print(arr_linspace)
# Output: [0.   0.25 0.5  0.75 1.  ]

# 0 到 5 之间（包括 5）的 10 个均匀分布的值
arr_linspace_2 = np.linspace(0, 5, 10)
print(arr_linspace_2)
# Output: [0.         0.55555556 1.11111111 1.66666667 2.22222222 2.77777778
#  3.33333333 3.88888889 4.44444444 5.        ]

linspace 在您需要特定数量的点均匀分布在一个区间内时特别有用，例如，在为绘图函数生成坐标时。

创建随机值数组

在机器学习中，生成包含随机数的数组对于各种任务来说是不可或缺的，例如初始化模型参数、生成合成数据或打乱数据集。NumPy 的 random 子模块为此提供了许多函数：

• np.random.rand(): 创建一个指定形状的数组，并用 [0, 1) 区间上均匀分布的随机样本填充它。
• np.random.randn(): 创建一个指定形状的数组，并用标准正态分布（均值 0，方差 1）的随机样本填充它。
• np.random.randint(): 返回指定 low（包含）到 high（不包含）边界之间的随机整数。您还可以指定输出数组的 size（形状）。
• np.random.seed(): 用于设置随机种子，这使得随机数生成可预测。这对于实验的可复现性很重要。

# 设置种子以保证可复现性
np.random.seed(42)

# 创建一个 2x3 数组，其随机值来自均匀分布 [0, 1)
rand_arr = np.random.rand(2, 3)
print(rand_arr)
# Output:
# [[0.37454012 0.95071431 0.73199394]
#  [0.59865848 0.15601864 0.15599452]]

# 创建一个 3x2 数组，其随机值来自标准正态分布
randn_arr = np.random.randn(3, 2)
print(randn_arr)
# Output:
# [[ 0.05808361 -0.75634998]
#  [-0.34791215  0.1579198 ]
#  [ 0.45615031  0.99712472]]

# 生成 5 个介于 1（包含）和 10（不包含）之间的随机整数
randint_arr = np.random.randint(1, 10, size=5)
print(randint_arr)
# Output: [8 4 6 8 8]

# 生成一个 2x4 数组，其随机整数介于 0（包含）和 5（不包含）之间
randint_arr_2d = np.random.randint(0, 5, size=(2, 4))
print(randint_arr_2d)
# Output:
# [[3 0 2 3]
#  [1 1 4 2]]

其他创建方法

NumPy 还包含用于创建特定类型数组的函数：

• np.eye(): 创建一个二维单位矩阵（对角线上为 1，其他位置为 0）。
• np.diag(): 可以提取现有二维数组的对角线，或创建一个在对角线上具有指定值的二维数组。

# 创建一个 3x3 单位矩阵
identity_matrix = np.eye(3)
print(identity_matrix)
# Output:
# [[1. 0. 0.]
#  [0. 1. 0.]
#  [0. 0. 1.]]

# 创建一个对角线上为 [1, 2, 3] 的二维数组
diag_matrix = np.diag([1, 2, 3])
print(diag_matrix)
# Output:
# [[1 0 0]
#  [0 2 0]
#  [0 0 3]]

掌握这些数组创建方法是有效使用 NumPy 的第一步。选择正确的方法取决于您是在转换现有数据、需要占位符、需要特定序列，还是需要为模拟或初始化生成随机数据。借助这些工具，您可以高效地构建 ndarray 对象，它们构成了 Python 中机器学习数值运算的基础。