初始化一个空的 NumPy 数组

初始化一个空的 NumPy 数组

参考：initialize an empty numpy array

在数据科学和机器学习领域，NumPy 是一个非常重要的库，它提供了大量的数学计算方法，尤其是数组操作。本文将详细介绍如何使用 NumPy 初始化一个空的数组，并提供多个示例代码来展示不同的初始化方法。

1. 什么是空数组？

在 NumPy 中，空数组并不意味着数组中没有任何元素，而是数组中的元素未被初始化，其值通常是未定义的。这种数组的创建速度很快，因为它不涉及到初始化数组元素的值。

2. 初始化空数组的用途

空数组在很多情况下都非常有用，例如：
– 当你需要一个特定大小的数组，但还不确定要在数组中存储什么数据时。
– 在某些算法实现中，先声明一个数组，随后在算法的各个步骤中填充数据。
– 用于预分配内存空间，提高代码的执行效率。

3. 如何使用 NumPy 创建空数组

示例代码 1：使用 np.empty

import numpy as np
array_empty = np.empty((3, 4))
print(array_empty)

Output:

示例代码 2：指定数据类型

import numpy as np
array_empty_float = np.empty((2, 3), dtype=float)
print(array_empty_float)

Output:

示例代码 3：创建多维空数组

import numpy as np
array_empty_multi = np.empty((2, 3, 4))
print(array_empty_multi)

Output:

示例代码 4：使用 np.zeros 创建看似“空”的数组

虽然 np.zeros 创建的是元素全为0的数组，但在某些情况下，可以用作初始化“空”数组的一种方式。

import numpy as np
array_zeros = np.zeros((3, 3))
print(array_zeros)

Output:

示例代码 5：结合 np.shape 动态创建空数组

import numpy as np
shape = (4, 5)
array_dynamic_empty = np.empty(shape)
print(array_dynamic_empty)

Output:

4. 注意事项

使用 np.empty 创建的空数组，其实际内容是随机的，取决于内存中的当前状态。因此，如果你需要数组中的值有确定的初始状态，应该使用 np.zeros 或 np.ones。

示例代码 6：比较 np.empty 和 np.zeros

import numpy as np
array_empty_compare = np.empty((3, 3))
array_zeros_compare = np.zeros((3, 3))
print("Empty array:")
print(array_empty_compare)
print("Zeros array:")
print(array_zeros_compare)

Output:

示例代码 7：使用 np.ndarray 直接创建空数组

import numpy as np
array_nd_empty = np.ndarray((2, 2))
print(array_nd_empty)

Output:

示例代码 8：创建具有特定形状的空数组

import numpy as np
array_shape_specific = np.empty((2, 2, 2))
print(array_shape_specific)

Output:

示例代码 9：创建空数组并后续填充数据

import numpy as np
array_fill_later = np.empty((3, 3))
array_fill_later.fill(3.14)  # Fill with a specific value
print(array_fill_later)

Output:

示例代码 10：使用列表推导式与 np.empty 结合

import numpy as np
array_from_list = np.empty([3, 3])
array_from_list[:] = [[i for i in range(j, j+3)] for j in range(1, 10, 3)]
print(array_from_list)

Output:

示例代码 11：创建空数组并应用条件初始化

import numpy as np
array_conditional = np.empty((3, 3))
array_conditional[:] = np.where(array_conditional > 0, 1, 0)
print(array_conditional)

Output:

示例代码 12：使用 np.empty_like

这个函数可以创建一个与给定数组具有相同形状和数据类型的新数组。

import numpy as np
array_like = np.zeros((2, 3))
array_empty_like = np.empty_like(array_like)
print(array_empty_like)

Output:

示例代码 13：使用复数数据类型

import numpy as np
array_complex = np.empty((2, 2), dtype=complex)
print(array_complex)

Output:

示例代码 14：创建大型空数组

import numpy as np
array_large = np.empty((1000, 1000))
print(array_large)

Output:

示例代码 15：使用 np.empty 初始化具有不规则形状的数组

import numpy as np
array_irregular = np.empty((2, 3, 4, 5))
print(array_irregular)

Output:

示例代码 16：结合使用 np.empty 和数组切片

import numpy as np
array_slice = np.empty((10, 10))
array_slice[:, :] = np.arange(100).reshape((10, 10))
print(array_slice)

Output:

示例代码 17：使用 np.empty 创建并复制现有数组的结构

import numpy as np
array_existing = np.array([[1, 2, 3], [4, 5, 6]])
array_copy_structure = np.empty_like(array_existing)
print(array_copy_structure)

Output:

示例代码 18：使用 np.empty 创建数组并立即进行科学计算

import numpy as np
array_calculation = np.empty((3, 3))
array_calculation[:] = np.random.rand(3, 3) * 100
print(array_calculation)

Output:

示例代码 19：使用 np.empty 创建数组并进行逻辑操作

import numpy as np
array_logical = np.empty((3, 3))
array_logical[:] = np.logical_and(array_logical > 0, array_logical < 1)
print(array_logical)

Output:

示例代码 20：使用 np.empty 创建数组并进行矩阵运算

import numpy as np
array_matrix = np.empty((3, 3))
array_matrix[:] = np.dot(np.eye(3), np.random.rand(3, 3))
print(array_matrix)

Output:

通过上述示例，我们可以看到使用 NumPy 创建空数组的多种方法及其应用。在实际使用中，选择合适的方法可以有效地提高代码的效率和可读性。