Numpy科学计算数组创建

### 使用NumPy创建用于科学计算的数组 NumPy作为开源的Python科学计算库，提供多种方式来创建数组。对于科学计算而言，创建数组的方法不仅限于一维向量，还包括多维数组。 #### 通过Python内置的数据结构转换成ndarray 可以直接利用现有的列表或者元组等数据类型快速构建出NumPy支持的操作对象[^3]。例如： ```python import numpy as np list_data = [[1, 2], [3, 4]] np_array_from_list = np.array(list_data) print(np_array_from_list) ``` #### 利用预定义函数生成特定模式的数组 NumPy提供了诸如`zeros()`、`ones()`以及`arange()`这样的便捷工具来初始化具有固定值或按照一定规律排列元素的新数组。下面给出几个实例说明： - 创建全零填充的一维数组： ```python zero_vector = np.zeros(5) # 输出：[0. 0. 0. 0. 0.] ``` - 构建指定大小且全部成员均为1的二维方阵： ```python unit_matrix = np.ones((3, 3)) print(unit_matrix) ``` - 根据给定范围和步长自动生成序列化整数构成的一维数组： ```python sequence_of_integers = np.arange(start=0, stop=10, step=2) print(sequence_of_integers) # 输出：[0 2 4 6 8] ``` #### 多维数组的具体案例展示除了上述介绍的基础形式外，还可以轻松地建立更复杂的高维度张量。比如，可以通过调整形状参数来获得不同规格的空间布局。如下所示为一个三维空数组的例子： ```python three_dimensional_empty_array = np.empty([2, 3, 4]) print(three_dimensional_empty_array.shape) # (2L, 3L, 4L)，注意实际内容可能是未初始化的状态 ``` 另外，在具体应用场景下也可以采用`.reshape()`方法改变现有数组外形而不影响其内部存储顺序[^5]。这使得即使是从其他途径获取到的一维连续内存块也能方便地映射成为任意阶次的目标形态。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 docker 更改cgroup