NumPy从已有的数组创建数组
numpy.asarray
numpy.asarray类似numpy.array,但numpy.asarray参数只有三个,比numpy.array少两个。
numpy.asarray(a, dtype = None, order = None)
参数说明:
参数 | 描述 |
---|---|
a | 任意形式的输入参数,可以是,列表, 列表的元组, 元组, 元组的元组, 元组的列表,多维数组 |
dtype | 数据类型,可选 |
order | 可选,有"C"和"F"两个选项,分别代表,行优先和列优先,在计算机内存中的存储元素的顺序。 |
将列表转换为 ndarray:
# -*- coding: UTF-8 -*-import numpy as npx = [1,2,3]
a = np.asarray(x)
print(a)
输出结果为:
[1 2 3]
将元组转换为 ndarray:
import numpy as npx = (1,2,3)
a = np.asarray(x)
print(a)
【#|B04_NumPy从已有的数组创建数组(numpy.asarray,numpy.frombuffer,numpy.fromiter)】输出结果为:
[1 2 3]
将元组列表转换为 ndarray:
import numpy as npx = [(1,2,3),(4,5)]
a = np.asarray(x)
print(a)
输出结果为:
[(1, 2, 3) (4, 5)]
设置了dtype参数:
import numpy as npx = [1,2,3]
a = np.asarray(x, dtype = float)
print(a)
输出结果为:
[1. 2. 3.]
numpy.frombuffer numpy.frombuffer 用于实现动态数组。
numpy.frombuffer 接受 buffer 输入参数,以流的形式读入转化成 ndarray 对象。
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
注意:buffer 是字符串的时候,Python3 默认 str 是 Unicode 类型,所以要转成 bytestring 在原 str 前加上 b。
参数说明:
参数 | 说明 |
---|---|
buffer | 可以是任意对象,会以流的形式读入 |
dtype | 返回数组的数据类型,可选 |
count | 读取的数据数量,默认为-1,读取所有数据。 |
offset | 读取的起始位置,默认为0 |
import numpy as nps = b'Hello World'
a = np.frombuffer(s,dtype = 'S1')
print(a)
输出结果为:
[b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']
Python2.x实例
import numpy as np
s ='Hello World'
a = np.frombuffer(s, dtype ='S1')
print (a)
输出结果为:
['H' 'e' 'l' 'l' 'o' ' ' 'W' 'o' 'r' 'l' 'd']
numpy.fromiter
numpy.fromiter方法从可迭代对象中建立ndarray对象,返回一维数组。
numpy.fromiter(iterable, dtype, count=-1)
参数 | 描述 |
---|---|
iterable | 可迭代对象 |
dtype | 返回数组的数据类型 |
count | 读取的数据数量,默认为-1,读取所有数据 |
import numpy as np#使用range函数创建列表对象
list = range(5)
it = iter(list)#使用迭代器创建ndarray
x = np.fromiter(it, dtype = float)
print(x)
输出结果为:
[0. 1. 2. 3. 4.]
推荐阅读
- 数据结构和算法|LeetCode 的正确使用方式
- #|7.分布式事务管理
- #|算法设计与分析(Java实现)——贪心算法(集合覆盖案例)
- #|算法设计与分析(Java实现)—— 动态规划 (0-1 背包问题)
- #|阿尔法点亮LED灯(一)汇编语言
- #|Multimedia
- #|ARM裸机开发(汇编LED灯实验(I.MX6UL芯片))
- 基础课|使用深度优先搜索(DFS)、广度优先搜索(BFS)、A* 搜索算法求解 (n^2 -1) 数码难题,耗时与内存占用(时空复杂度)对比(附((n^2 - 1) 数码问题控
- #|学习笔记 | Ch05 Pandas数据清洗 —— 缺失值、重复值、异常值
- win10|搏一搏 单车变摩托,是时候捣鼓一下家中的小米电视机啦。